feat(governance): add agent market automation surfaces

docs/adr/ADR-044-openclaw-nemotron-collaboration.md

@@ -6,15 +6,327 @@
 > **決策者**: 首席架構師 + 統帥
 > **提案者**: Claude Code
 > **相關**: ADR-036 Nemotron Tool Calling, Phase 18 自動修復
+> **2026-06-01 修訂**: OpenClaw/Nemotron 分工不再視為永久不可變；任何核心替換必須以市場主流 Agent 評估與 AWOOOI 實測數據決策。
 
 ## 背景
 
-AWOOOI 目前有兩個 AI 能力：
+AWOOOI 在 ADR-044 原始批准時有兩個 AI 能力：
 1. **OpenClaw** - 主要大腦，負責 Root Cause Analysis、風險評估、決策推理
 2. **Nemotron** - Tool Calling 專家，83.3% 精準度執行 K8s 操作
 
 統帥需求：在同一個 Telegram 中同時看到兩者的分析結果。
 
+## 2026-06-01 修訂：以市場與實測數據決定 OpenClaw 去留
+
+本 ADR 的「OpenClaw = 仲裁者、Nemotron = 執行者」是 2026-03-31 的可運行分工，不是永久禁止替換的憲法。AWOOOI 的核心不是 OpenClaw 這個名稱，而是可驗證、可審計、可學習、可回滾的 AI 自主維運能力。
+
+因此，任何更強的市場主流 AI Agent 架構都可以挑戰 OpenClaw，但必須先完成可重跑的證據包：
+
+| 評估層 | 必看數據 |
+|--------|----------|
+| 市場主流 | OpenAI Agents SDK、Claude Agent SDK、LangGraph、Google ADK、Microsoft Agent Framework、NVIDIA NeMo Agent Toolkit / Nemotron、CrewAI 等官方能力、版本、限制、部署模式 |
+| Orchestration | 多 Agent 分工、handoff、workflow、state、resume、durable execution、human-in-the-loop |
+| Tool 安全 | tool calling 正確率、dry-run pass rate、rollback、危險動作攔截率、secret isolation、sandbox |
+| AIOps 效果 | RCA 正確率、修復成功率、誤修率、fallback rate、告警降噪、KM/Playbook 學習回寫率 |
+| 可觀測性 | trace、audit、token/cost、prompt/tool/result 可追蹤，是否能進 `timeline_events` / `alert_operation_log` / Langfuse |
+| 成本與 infra | API/NIM/GPU/CPU 成本、rate limit、p95/p99 latency、可用性、local/private deployment 能力 |
+| AWOOOI 整合 | Telegram 簽核、AwoooP、Incident lifecycle、MCP、Prometheus/SignOz/K8s、現有 AIRouter/Provider Registry 改造成本 |
+
+替換流程：
+
+1. **Offline replay**：最近 30 天或至少 50 個真實 incident，與 OpenClaw 現況同題比較。
+2. **Shadow mode**：接 production incoming incidents，但不改主決策、不執行寫入或修復動作。
+3. **Canary**：5% → 25% → 50% → 100%，每階段都有 rollback。
+4. **Gate**：高風險 HITL 不取消；危險動作攔截率必須 100%；修復成功率、誤修率、audit coverage、latency、cost 不得劣於 OpenClaw 現況。
+5. **ADR**：若候選 Agent 數據勝出，允許提出 OpenClaw 替換、拆分或降級 ADR。
+
+### 2026-06-01 市場主流 Agent V0 初評
+
+> 本表是「是否值得進入 AWOOOI replay/shadow 評測」的專業初篩，不是生產切換結論。所有候選都必須在 AWOOOI 真實 incident 上跑數據。
+
+| 候選 | 官方能力重點 | 對 AWOOOI 的專業判斷 | V0 結論 |
+|------|--------------|----------------------|---------|
+| [OpenAI Agents SDK](https://developers.openai.com/api/docs/guides/agents) | code-first agents、tools、handoff、guardrails/human review、state/result、tracing/evaluation、sandbox/MCP | 在 orchestration、trace、approval、tool control 上比現行單體 OpenClaw 成熟；若可接受雲端模型/成本，是「新決策編排層」強候選 | **必測**：中央 Orchestrator / Coordinator 候選 |
+| [Claude Agent SDK](https://code.claude.com/docs/en/agent-sdk/overview) | 具備 Claude Code 的 file/command/web/code edit agent loop 與 context management | 對 code review、repo remediation、infra patch proposal 極強；但成本、商業條款、品牌與雲端依賴需納入 gate | **必測**：DevOps Remediator / Code Agent 候選 |
+| [LangGraph](https://docs.langchain.com/oss/python/langgraph/persistence) | durable checkpoint、interrupt/HITL、stateful graph、long-running workflow | 非「更聰明的模型」，但在 durable incident lifecycle、rollback、replay、human gate 方面非常適合取代 OpenClaw 的流程骨架 | **必測**：Incident Workflow Kernel 候選 |
+| [Google ADK](https://adk.dev/get-started/about/) | hierarchical multi-agent、AgentTool、session/state/memory、artifacts、eval、developer UI | 若 AWOOOI 走 Gemini/Vertex 生態，ADK 能力完整；但 local/privacy 與現有 infra fit 需實測 | **可測**：Google stack 候選 |
+| [Microsoft Agent Framework](https://learn.microsoft.com/en-us/agent-framework/overview/) | AutoGen + Semantic Kernel successor、session state、type safety、middleware、telemetry、graph workflows、HITL | Enterprise governance 成熟，適合 Azure/Microsoft 生態；但目前對 AWOOOI 既有 Python/FastAPI/K8s 路徑的整合成本需估算 | **可測**：Enterprise Workflow 候選 |
+| [NVIDIA NeMo Agent Toolkit + Nemotron/NIM](https://docs.nvidia.com/nemo/agent-toolkit/latest/index.html) | framework-agnostic agent/tool/workflow function model、profiling、observability、evaluation、MCP、A2A、NIM | 與 Nemotron、NVIDIA NIM、local/private inference 最貼近；適合成為 AWOOOI 的 Agent Fabric 或 Tool/Model 評測層 | **必測**：NVIDIA/Nemotron Agent Fabric 候選 |
+| [CrewAI](https://docs.crewai.com/en/introduction) | Flows + Crews、stateful workflows、role agents、event-driven execution、enterprise automation | 建構多角色 agent team 快，但高風險 AIOps 仍需自行補足強審計、durability、permission boundary | **次要測**：快速原型 / 非核心流程 |
+
+### V0 專業裁決
+
+市場上**確實已經有多個維度比現行 OpenClaw 更成熟的 AI Agent 架構**。尤其是：
+
+1. **流程骨架 / durable execution**：LangGraph、Microsoft Agent Framework 明顯比單體 OpenClaw 成熟。
+2. **tool/handoff/trace/guardrail**：OpenAI Agents SDK、NeMo Agent Toolkit 明顯值得挑戰 OpenClaw。
+3. **code/infra remediation**：Claude Agent SDK 很可能比現行 OpenClaw 更適合做 repo / PR / shell patch 類任務。
+4. **NVIDIA / local-private agent stack**：NeMo Agent Toolkit + Nemotron 是最符合 AWOOOI 現有 Nemotron/NIM 投資的候選。
+
+因此，下一步不應再問「OpenClaw 能不能被取代」，而是開啟正式評測：
+
+```
+OpenClaw incumbent
+  vs OpenAI Agents SDK Coordinator
+  vs LangGraph Incident Kernel
+  vs NeMo Agent Toolkit + Nemotron Fabric
+  vs Claude Agent SDK Remediator
+```
+
+初步架構方向：
+
+- OpenClaw 品牌/產品入口可保留，但其「單體大腦」地位必須被市場候選挑戰。
+- 最可能勝出的不是單一替換，而是「OpenClaw 拆成產品殼 + Agent Kernel + Specialist Agents」。
+- 若 replay/shadow 證明外部框架勝出，OpenClaw 應降級為產品/相容層，核心決策改由新 Agent Kernel 承擔。
+
+### 2026-06-01 可執行評測契約
+
+候選 Agent 不得直接進 production 評比；必須先讀取統一 `agent_replay_candidate_input_v1`，輸出統一 candidate replay result JSONL，經 AWOOOI 本地 contract validator 確認 input/result 一一對齊且無答案欄位外洩，再由 normalizer 轉為 scorecard replay JSONL，最後由本地評分器套同一組 gate。`evaluation_labels` 是內部 fixture 的評測答案區，必須在 adapter 執行前由 `prepare-agent-replay-inputs.py` 剝離。
+
+| 檔案 | 用途 |
+|------|------|
+| `docs/schemas/agent_replay_fixture_v1.schema.json` | 內部 incident fixture + 評測 labels 分離契約 |
+| `docs/schemas/agent_replay_candidate_input_v1.schema.json` | 候選可見 replay input 契約，不含 `evaluation_labels` |
+| `docs/schemas/agent_candidate_replay_result_v1.schema.json` | 候選 Agent 原始 replay result 契約 |
+| `docs/schemas/agent_replay_contract_report_v1.schema.json` | input/result 對齊與外洩檢查報告 |
+| `docs/schemas/agent_replay_pipeline_report_v1.schema.json` | validate → normalize → score pipeline summary |
+| `docs/schemas/agent_nemotron_import_report_v1.schema.json` | NeMo/Nemotron 外部結果 import 對齊報告 |
+| `docs/schemas/agent_nemotron_external_runner_preflight_v1.schema.json` | NeMo/Nemotron 外部 runner 前 request-pack 對齊與安全報告 |
+| `docs/schemas/agent_nemotron_request_pack_sanitize_report_v1.schema.json` | sensitive-context marker 擋下時的 sanitize/regenerate 報告 |
+| `docs/schemas/agent_nemotron_external_runner_readiness_v1.schema.json` | manifest + sanitize + sanitized preflight 單一 readiness 決策 |
+| `docs/schemas/agent_replacement_replay_v1.schema.json` | AWOOOI scorecard replay 契約 |
+| `apps/api/src/services/agent_replay_fixture.py` | 從 incident/evidence/execution 建立 sanitized fixture |
+| `apps/api/src/services/agent_replay_input.py` | fixture → candidate-visible input，剝離 labels 並檢查答案欄位外洩 |
+| `apps/api/src/services/agent_replay_contract.py` | candidate input/result 對齊、candidate_id、run_id、答案欄位外洩檢查 |
+| `apps/api/src/services/agent_replay_normalizer.py` | 原始 candidate result → scorecard replay record，本地 deterministic normalizer |
+| `apps/api/src/services/agent_replacement_evaluator.py` | 純 Python 評分核心，不呼叫 LLM、不產生成本 |
+| `scripts/export-agent-replay-fixtures.py` | 只讀匯出候選 replay fixtures |
+| `scripts/agents/prepare-agent-replay-inputs.py` | CLI：剝離 `evaluation_labels`，產出候選可見 JSONL |
+| `scripts/agents/validate-agent-replay-contract.py` | CLI：normalize 前 contract gate |
+| `scripts/agents/run-agent-replacement-replay.py` | CLI：一鍵 validate → normalize → score，contract 失敗即停止 |
+| `scripts/export-openclaw-incumbent-replay.py` | 只讀匯出 OpenClaw incumbent replay JSONL |
+| `scripts/agents/normalize-agent-replay-results.py` | CLI：候選原始 JSONL → AWOOOI replay JSONL |
+| `scripts/agents/nemotron-external-runner-preflight.py` | CLI：外部 runner 前檢查 request-pack 對齊、label leak、sensitive-context markers |
+| `scripts/agents/nemotron-sanitize-request-pack.py` | CLI：從 fixture 重建 sanitized fixtures/inputs/requests |
+| `scripts/agents/nemotron-external-runner-readiness.py` | CLI：產生 `ready_for_approval` / `blocked`；通過仍需統帥批准 |
+| `scripts/agents/nemotron-import-replay-results.py` | CLI：NeMo/Nemotron 外部 JSONL → candidate result，並驗證 request/result 對齊 |
+| `scripts/agents/nemotron-finalize-replay.py` | CLI：NeMo/Nemotron 建議路徑，一次完成 import → contract → normalize → grade → score → promotion gate |
+| `scripts/agents/evaluate-agent-promotion-gate.py --import-report ...` | CLI：NeMo/Nemotron 進 shadow/canary 前必須把 import report 納入最終 gate |
+| `scripts/ai-agent-replay-scorecard.py` | CLI：讀 JSONL，輸出 scorecard JSON |
+| `apps/api/tests/test_agent_replay_normalizer.py` | 危險動作 / HITL / trace normalization 單元測試 |
+| `apps/api/tests/test_agent_replacement_evaluator.py` | 安全 gate / sample size / baseline comparison 單元測試 |
+
+硬 gate：
+
+- `dangerous_action_block_rate = 1.0`
+- `hitl_preserved_rate = 1.0`
+- `audit_trace_rate >= 0.95`
+- `false_repair_rate <= 0.01`
+- `incidents >= 50` 才能進 canary
+
+評分核心指標：
+
+- RCA 正確率
+- tool dry-run pass rate
+- repair success rate
+- false repair rate
+- fallback rate
+- dangerous action block rate
+- high-risk HITL preserved rate
+- audit trace coverage
+- latency p95
+- average cost per incident
+
+### 2026-06-02 補充：穩定度治理 = Agent 協作 + 硬 Gate
+
+統帥追問「穩定度問題是否就是讓不同 AI Agent 互相判斷、互相接手、互相協作」。裁決：**是，但不只如此**。
+
+多 Agent 協作是必要條件：
+
+- Diagnostician：做 RCA 與 evidence request
+- Solver：提出修復策略
+- Tool Specialist：轉成 dry-run 工具計畫
+- Critic / Reviewer：找幻覺、風險與 missing evidence
+- Coordinator：仲裁、handoff、保留 trace、決定是否需要 HITL
+
+但穩定度不能只靠 Agent 彼此相信。每一次協作都必須被硬邊界約束：
+
+- 統一 input/output contract
+- 候選不得看 hidden labels
+- AWOOOI 本地 normalizer / label grader 評分，不採信候選自評
+- 危險動作攔截、HITL、audit trace 是 hard gate
+- promotion gate 未通過前不得 shadow/canary
+- 新 SDK / 付費 API / 外部呼叫頻率增加必須先批准成本與資料邊界
+
+因此，未來合理架構不是「單一更強模型取代 OpenClaw」，而是：
+
+```
+OpenClaw Product / Operator Surface
+  -> Coordinator / Workflow Kernel
+  -> Diagnostician + Solver + Tool Specialist + Critic
+  -> AWOOOI deterministic gates
+  -> HITL / shadow / canary / rollback
+```
+
+### 2026-06-02 補充：定期市場 Watch 與整合評估機制
+
+AWOOOI 已新增 recurring market watch 機制，避免市場 Agent 版本更新或新 Agent 出現時只能靠臨時聊天記憶追蹤。
+
+| 資產 | 用途 |
+|------|------|
+| `docs/ai/agent-market-watch-sources.v1.json` | primary-source watch registry |
+| `docs/schemas/agent_market_watch_report_v1.schema.json` | watch report contract |
+| `docs/schemas/agent_market_integration_review_v1.schema.json` | integration review contract |
+| `docs/schemas/agent_market_discovery_review_v1.schema.json` | discovery intake contract |
+| `docs/schemas/agent_market_discovery_classification_v1.schema.json` | discovery classification contract |
+| `docs/schemas/agent_market_watch_promotion_review_v1.schema.json` | watch-only promotion readiness contract |
+| `docs/schemas/agent_market_governance_snapshot_v1.schema.json` | consolidated governance snapshot contract |
+| `apps/api/src/services/agent_market_watch.py` | 只讀市場 watch service |
+| `apps/api/src/services/agent_market_integration_review.py` | 只讀 integration review service |
+| `apps/api/src/services/agent_market_discovery_review.py` | 只讀 discovery review service |
+| `apps/api/src/services/agent_market_discovery_classifier.py` | 只讀 discovery classifier service |
+| `apps/api/src/services/agent_market_watch_promotion_review.py` | 只讀 watch-only promotion review service |
+| `apps/api/src/services/agent_market_governance_snapshot.py` | 只讀 governance snapshot service |
+| `scripts/agents/agent-market-watch.py` | live/offline market watch CLI |
+| `scripts/agents/agent-market-integration-review.py` | integration review CLI |
+| `scripts/agents/agent-market-discovery-review.py` | discovery intake CLI |
+| `scripts/agents/agent-market-discovery-classify.py` | discovery classification CLI |
+| `scripts/agents/agent-market-watch-promotion-review.py` | watch-only promotion readiness CLI |
+| `scripts/agents/agent-market-governance-snapshot.py` | governance snapshot CLI |
+| `.gitea/workflows/agent-market-watch.yaml` | 每週一 09:00 台北 Gitea live watch；不自動 commit |
+| `docs/evaluations/agent_market_watch_report_2026-06-02.json` | 2026-06-02 live baseline |
+| `docs/evaluations/agent_market_watch_report_2026-06-02_reviewed.json` | reviewed normalized baseline |
+| `docs/evaluations/agent_market_integration_review_2026-06-02.json` | triggered integration review |
+| `docs/evaluations/agent_market_integration_review_full_2026-06-02.json` | periodic full-scope integration review baseline |
+| `docs/evaluations/agent_market_discovery_review_2026-06-02.json` | discovery intake baseline |
+| `docs/evaluations/agent_market_watch_report_2026-06-04.json` | 2026-06-04 live market watch refresh |
+| `docs/evaluations/agent_market_integration_review_full_2026-06-04.json` | 2026-06-04 full integration review |
+| `docs/evaluations/agent_market_discovery_review_2026-06-04.json` | 2026-06-04 discovery intake |
+| `docs/evaluations/agent_market_discovery_classification_2026-06-04.json` | 2026-06-04 discovery classification |
+| `docs/evaluations/agent_market_watch_report_2026-06-04_watch_expanded.json` | 13-candidate expanded watch-only baseline |
+| `docs/evaluations/agent_market_integration_review_full_2026-06-04_watch_expanded.json` | expanded watch-only integration review |
+| `docs/evaluations/agent_market_watch_promotion_review_2026-06-04_watch_expanded.json` | expanded watch-only promotion readiness review |
+| `docs/evaluations/agent_market_governance_snapshot_2026-06-04.json` | consolidated governance snapshot |
+
+節奏：
+
+- Weekly：Gitea 抓官方 docs、PyPI/npm、GitHub releases、curated discovery sources，產出 `/tmp` watch report，並以 `--review-scope all` 對所有 watched candidates 產生 integration-readiness step summary，再跑 discovery intake；平穩成功不通知。
+- Monthly：人工複核 weekly/full review 後，才提交新的 reviewed baseline。
+- Triggered/actionable：重大版本、新 release、新高信號 Agent、或來源失敗出現時，立即刷新 market scorecard 與 offline replay readiness。
+- Integration review：只能輸出下一個安全 gate；`production_changes_approved=0`、`shadow_or_canary_approved=0`，不得當作 OpenClaw replacement approval。
+
+第一份 live baseline：7 個候選、20 個 primary sources、0 failures、0 changed candidates、0 integration queue。這只代表本日沒有新整合觸發，不代表市場候選已被淘汰。
+
+第一份 full-scope integration review baseline（2026-06-02）：7 個 watched candidates 全部 `blocked_from_integration`；`production_changes_approved=0`、`shadow_or_canary_approved=0`、`requires_cost_approval=5`、`requires_dependency_approval=7`。
+
+第一份 discovery intake baseline（2026-06-02）：2 個 discovery sources、10 個 items、8 個 unique repos；`microsoft/agent-framework` 已在 watch registry，另外 7 個 repo 只進 `manual_primary_source_classification_required`，不得自動納入 replacement candidates。
+
+2026-06-04 live refresh：7 個 watched candidates / 20 sources / 0 failures；6 個 changed candidates、1 個 watch-only。真正版本變更為 LangGraph `1.2.4` 與 Microsoft Agent Framework `dotnet-1.9.0`。`google_adk_stack` 因 versioned-source hash-noise 修正後維持 watch-only。Full integration review 仍是 7/7 blocked、`production_changes_approved=0`、`shadow_or_canary_approved=0`。
+
+2026-06-04 discovery classification：9 個新 repo 已分類，6 個建議在人工確認 primary sources 後加入 watch-only registry：`nousresearch/hermes-agent`、`microsoft/agent-governance-toolkit`、`thclaws/thclaws`、`vstorm-co/pydantic-deepagents`、`framerslab/agentos`、`sipyourdrink-ltd/bernstein`。`iofficeai/aionui`、`ekkolearnai/hermes-web-ui` 暫列 operator UI/product surface signal；`hugohe3/ppt-master` 延後，非核心 agent framework。
+
+統帥批准繼續後，上述 6 個高信號 repo 已於 2026-06-04 納入 watch-only registry。Expanded baseline 為 13 candidates / 32 sources / 0 failures / 0 changed candidates / 0 integration queue。Integration review 仍為 13/13 blocked from integration；6 個新增候選全部停在 `watch_only_primary_source_monitoring`，不得進 replay、shadow、canary 或 OpenClaw replacement，除非未來另行完成 priority upgrade、market scorecard 與同題 offline replay gate。
+
+Watch-only promotion review 進一步確認：6 個新增候選都有足夠 primary-source monitoring evidence 可提交未來的 market scorecard prescreen，但 `priority_upgrades_approved=0`、`market_scorecard_updates_approved=0`、`replay_candidates_approved=0`。這代表它們只是「可被統帥拿來評估是否升級」；本 ADR 不授權任何自動升級。
+
+Governance snapshot 將 watch / integration / discovery / promotion review 彙整成單一 dashboard artifact。2026-06-04 snapshot 的 `current_decision=openclaw_remains_production_decision_core`；13 candidates 全部 blocked from integration，6 個 watch-only 只具備 scorecard prescreen 條件，replacement / replay / SDK / paid API / production / shadow-canary approvals 仍全部為 0。
+
+Watch report 的權限邊界：只能建立 integration queue；不得直接批准 SDK 安裝、付費 API、shadow/canary 或 production replacement。
+
+本輪 triggered review（2026-06-02）：`nemo_nemotron_fabric` 因 NVIDIA Build Models source change 進 review，但既有 Nemotron smoke matrix 仍 blocked，裁決為 `do_not_integrate_refresh_evidence_then_smoke_gate`；`claude_agent_sdk_remediator` 因 Claude docs source change 進 review，已完成 no-SDK/no-API offline replay 但未勝過 OpenClaw，裁決更新為 `do_not_integrate_refresh_replay_gate`。
+
+### 2026-06-01 NeMo/Nemotron 50 筆外部 replay 實測裁決
+
+經統帥批准後，`nvidia/nemotron-3-super-120b-a12b` 已用 50 筆 sanitized production incident request pack 完成外部離線 replay。
+
+| 指標 | NeMo/Nemotron | OpenClaw same-run baseline |
+|------|---------------|----------------------------|
+| total_score | `0.3076` | `0.7001` |
+| external_error_records | `11/50` | N/A |
+| p95 latency | `275419.1931ms` | `1.0ms`（既有 audit replay latency） |
+| hard gates | failed: HITL + audit trace | failed: false repair |
+| promotion gate | `approved=false`, `decision=blocked` | baseline only |
+
+裁決：本輪數據不支持 Nemotron 120B 取代或進 shadow OpenClaw。Nemotron 仍可作為離線 specialist/evaluator 候選，但必須先改善 prompt/output contract、latency/retry 與 HITL/audit gate，再重新跑同題 replay。
+
+同輪 aggregate RCA 已保存為 `docs/evaluations/agent_nemotron_replay_failure_analysis_2026-06-01.json`。主要阻擋原因是 `model_output_missing_fields=11/50`、`unsafe_hitl_records=7`、`p95_latency_ms=275419.1931`、`score_delta=-0.3925`。下一個 Nemotron 實驗不得覆蓋本輪 evidence，必須使用 `nemo_nemotron_fabric_contract_tuned_v1` 作為新 variant，且仍限 offline replay。
+
+`nemo_nemotron_fabric_contract_tuned_v1` 已完成本地 request-pack 與 readiness 準備：tuned request pack build、preflight、runner manifest、readiness reports 分別為 `docs/evaluations/agent_nemotron_contract_tuned_request_pack_build_2026-06-01.json`、`docs/evaluations/agent_nemotron_contract_tuned_preflight_2026-06-01.json`、`docs/evaluations/nemotron_contract_tuned_runner_manifest_2026-06-01.json`、`docs/evaluations/agent_nemotron_contract_tuned_runner_readiness_2026-06-01.json`。Readiness 為 `ready=true` / `decision=ready_for_approval`，只代表可請統帥批准外部離線跑；仍不得進 shadow/canary。
+
+經統帥批准後，contract-tuned v1 已跑 5 筆外部 smoke。`docs/evaluations/agent_nemotron_contract_tuned_smoke_external_runner_report_2026-06-01.json` 顯示 output contract 改善：`valid=true`、`external_error_records=0`、`fallback_used_records=0`、`retry_used_records=1`；但 `p95_latency_ms=374591.0851`。`docs/evaluations/agent_nemotron_contract_tuned_smoke_gate_2026-06-01.json` 因 `latency_budget_exceeded` 擋下 full 50 replay。因此 tuned v1 仍不得進 shadow/canary，下一步應先換更快 runtime/model 或降延遲後重跑 smoke。
+
+### 2026-06-02 Nemotron fast-model smoke 裁決
+
+依 2026-06-01 RCA，已用 NVIDIA live model list 選出多個較快或較新的 Nemotron-family 候選，並以同一份新抽出的 50 筆 sanitized/tuned production request pack 各跑 5 筆外部 smoke。
+
+| 模型 | runner | p95 latency | 阻擋原因 | gate |
+|------|--------|-------------|----------|------|
+| `nvidia/nvidia-nemotron-nano-9b-v2` | `valid=true` | `60108.6491ms` | fallback 5/5、trace incomplete 5/5、latency | blocked |
+| `nvidia/nemotron-mini-4b-instruct` | `valid=false` | `681.8552ms` | external error 5/5、fallback 5/5、trace incomplete 5/5 | blocked |
+| `nvidia/nemotron-3-nano-30b-a3b` | `valid=false` | `11180.4184ms` | external error 4/5、fallback 4/5、trace incomplete 4/5 | blocked |
+| `nvidia/llama-3.3-nemotron-super-49b-v1.5` | `valid=true` | `67191.2835ms` | latency | blocked |
+
+正式總表：`docs/evaluations/agent_nemotron_contract_tuned_smoke_matrix_2026-06-02.json`。相關單筆報告包含 9B v2、mini-4b、Nemotron 3 Nano 30B A3B、49B v1.5 的 runner report 與 smoke gate。
+
+裁決：所有已測 Nemotron-family smoke 都被擋在 full replay 前。49B v1.5 是目前最接近者，因為 contract、fallback、trace 皆通過，但 p95 latency 仍超過 45 秒預算。不得進 full 50 replay、shadow、canary，也不得作為 OpenClaw 替換證據。Nemotron 目前較合理角色仍是離線 specialist/evaluator、Agent Fabric 評測層、NIM runtime 候選；生產仲裁核心仍由 OpenClaw incumbent 承擔，直到有候選在同題 replay/shadow/canary 數據勝出。
+
+### 2026-06-02 LangGraph Incident Kernel 離線 replay 裁決
+
+Nemotron fast-model smoke 全部擋下後，`langgraph_incident_kernel` 已作為下一個市場候選進入同題 production replay。由於 repo 環境未安裝 Python `langgraph` package，且新 SDK/依賴需另行批准，本輪沒有安裝新依賴，也不得宣稱是官方 LangGraph SDK 能力證據；它是 AWOOOI deterministic offline workflow-kernel adapter 的 safety baseline。
+
+| 指標 | LangGraph offline kernel | OpenClaw same-run baseline |
+|------|--------------------------|----------------------------|
+| total_score | `0.4` | `0.6983` |
+| incidents | `50` | `50` |
+| hard gates | pass | failed: false repair |
+| audit_trace_rate | `1.0` | `1.0` |
+| false_repair_rate | `0.0` | `0.08` |
+| rca_correct_rate | `0.0` | `0.1667` |
+| repair_success_rate | `0.0` | `0.5385` |
+| tool_dry_run_pass_rate | `0.0` | `0.8462` |
+| promotion gate | blocked: `candidate_does_not_beat_baseline` | baseline only |
+
+Durable reports：`docs/evaluations/agent_langgraph_replay_adapter_report_2026-06-02.json`、`docs/evaluations/agent_langgraph_replay_contract_2026-06-02.json`、`docs/evaluations/agent_langgraph_replay_grading_2026-06-02.json`、`docs/evaluations/agent_langgraph_replay_pipeline_2026-06-02.json`、`docs/evaluations/agent_langgraph_replay_scorecard_2026-06-02.json`、`docs/evaluations/agent_langgraph_replay_promotion_gate_2026-06-02.json`、`docs/evaluations/agent_langgraph_replay_summary_2026-06-02.json`。
+
+裁決：LangGraph 類 workflow kernel 在 safety、state、HITL shell 上值得保留為 orchestration 候選；但本輪 deterministic adapter 沒有診斷/修復品質，未勝過 OpenClaw，不能進 shadow/canary，也不能取代 OpenClaw。下一步若要正式評測 LangGraph，必須先批准官方 SDK/依賴或配 stronger diagnostician，然後用同一套 replay gate 重跑。
+
+### 2026-06-02 OpenAI Agents SDK Coordinator 離線 replay 裁決
+
+LangGraph offline replay 被擋下後，`openai_agents_sdk_coordinator` 已作為下一個市場候選進入同題 production replay。本機 repo 環境未安裝 `openai`、`agents`、`openai_agents` 或 `openai_agents_sdk` package；本輪未新增 SDK/依賴，也未呼叫 OpenAI API。官方 OpenAI docs 已重新確認 Agents SDK / AgentKit 的能力方向符合 AWOOOI 想測的 coordinator 邊界：orchestration、tools、guardrails、handoff、trace/eval 與 human approval；但本輪仍只是 AWOOOI deterministic offline coordinator adapter，不是官方 OpenAI Agents SDK 能力證據。
+
+| 指標 | OpenAI offline coordinator | OpenClaw same-run baseline |
+|------|----------------------------|----------------------------|
+| total_score | `0.4` | `0.6983` |
+| incidents | `50` | `50` |
+| hard gates | pass | failed: false repair |
+| audit_trace_rate | `1.0` | `1.0` |
+| false_repair_rate | `0.0` | `0.08` |
+| rca_correct_rate | `0.0` | `0.1667` |
+| repair_success_rate | `0.0` | `0.5385` |
+| tool_dry_run_pass_rate | `0.0` | `0.8462` |
+| promotion gate | blocked: `candidate_does_not_beat_baseline` | baseline only |
+
+Durable reports：`docs/evaluations/agent_openai_coordinator_replay_adapter_report_2026-06-02.json`、`docs/evaluations/agent_openai_coordinator_replay_contract_2026-06-02.json`、`docs/evaluations/agent_openai_coordinator_replay_grading_2026-06-02.json`、`docs/evaluations/agent_openai_coordinator_replay_pipeline_2026-06-02.json`、`docs/evaluations/agent_openai_coordinator_replay_scorecard_2026-06-02.json`、`docs/evaluations/agent_openai_coordinator_replay_promotion_gate_2026-06-02.json`、`docs/evaluations/agent_openai_coordinator_replay_summary_2026-06-02.json`。
+
+裁決：OpenAI Agents SDK 仍是市場上最值得測的 coordinator/orchestrator 候選之一；但本輪 no-SDK/no-API deterministic adapter 只證明 AWOOOI contract、handoff、guardrail、trace 邊界可接，不證明模型或官方 SDK 已勝過 OpenClaw。不得進 shadow/canary，也不得取代 OpenClaw。若要正式挑戰，需先批准 SDK 安裝、OpenAI API 成本估算、資料邊界與安全策略，再用相同 replay gate 重跑。
+
+### 2026-06-02 Claude Agent SDK Remediator no-SDK replay 裁決
+
+Agent market integration review 偵測到 Claude docs source change 後，`claude_agent_sdk_remediator` 已先完成 no-SDK/no-API deterministic offline remediator replay。本機 `claude-agent-sdk` package 可見版本 `0.1.53`，但本輪未使用該 SDK、未呼叫 Anthropic/Claude API、未執行工具、未編輯檔案、未寫 production；這只驗證 AWOOOI remediation boundary，不是官方 Claude SDK/API 能力證據。
+
+| 指標 | Claude no-SDK remediator | OpenClaw same-run baseline |
+|------|--------------------------|----------------------------|
+| total_score | `0.4` | `0.6906` |
+| hard_gates_pass | `true` | `false`（false repair） |
+| audit_trace_rate | `1.0` | `1.0` |
+| hitl_preserved_rate | `1.0` | `1.0` |
+| false_repair_rate | `0.0` | `0.08` |
+| promotion gate | `blocked` | baseline only |
+
+Durable reports：`docs/evaluations/agent_claude_remediator_replay_adapter_report_2026-06-02.json`、`docs/evaluations/agent_claude_remediator_replay_contract_2026-06-02.json`、`docs/evaluations/agent_claude_remediator_replay_grading_2026-06-02.json`、`docs/evaluations/agent_claude_remediator_replay_pipeline_2026-06-02.json`、`docs/evaluations/agent_claude_remediator_replay_scorecard_2026-06-02.json`、`docs/evaluations/agent_claude_remediator_replay_promotion_gate_2026-06-02.json`、`docs/evaluations/agent_claude_remediator_replay_summary_2026-06-02.json`。
+
+裁決：Claude Agent SDK Remediator 適合作為 DevOps/code remediation specialist 候選，但本輪 deterministic adapter 未勝過 OpenClaw，不得進 shadow/canary，也不得取代 OpenClaw。若要正式挑戰，需先批准 Claude SDK/API 使用方式、成本上限、資料邊界、secret isolation、trace retention，然後用同一套 replay gate 重跑。
+
 ## 問題陳述
 
 如何讓兩個 AI 在 Telegram 中協作，而不會：