refactor(api): Phase 22 技術債修復 - 業務邏輯分層

P2.3: LearningService.get_learning_summary() 業務邏輯移至 Service 層
- Repository 只提供原始統計數據
- Service 計算 best_action 和 learning_status

P2.6: Playbook similarity 計算邏輯抽取
- 新增 src/utils/similarity.py
- Repository 從 utils 導入，不再定義演算法

2026-03-31 Claude Code (首席架構師技術債修復)

Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>

apps/api/src/utils/similarity.py

@@ -0,0 +1,87 @@
+"""
+Similarity Calculation Utils
+=============================
+Phase 22 P2: 將相似度計算邏輯從 Repository 移出
+
+設計原則:
+- 演算法邏輯應獨立於資料存取層
+- Repository 只負責 CRUD，不負責演算法
+- Service 層可以使用這些工具函數
+
+版本: v1.0
+建立: 2026-03-31 (台北時區)
+建立者: Claude Code (首席架構師技術債修復)
+"""
+
+from src.models.playbook import SymptomPattern
+
+
+def calculate_jaccard_similarity(set_a: set, set_b: set) -> float:
+    """
+    計算 Jaccard 相似度
+
+    Jaccard = |A ∩ B| / |A ∪ B|
+
+    Args:
+        set_a: 集合 A
+        set_b: 集合 B
+
+    Returns:
+        float: 0.0 ~ 1.0
+    """
+    if not set_a and not set_b:
+        return 1.0  # 兩個空集合視為完全相同
+    if not set_a or not set_b:
+        return 0.0
+
+    intersection = len(set_a & set_b)
+    union = len(set_a | set_b)
+    return intersection / union if union > 0 else 0.0
+
+
+def calculate_symptom_similarity(
+    pattern_a: SymptomPattern,
+    pattern_b: SymptomPattern,
+) -> float:
+    """
+    計算症狀相似度
+
+    算法: 加權 Jaccard 相似度
+
+    維度權重:
+    - alert_names: 0.35 (最重要)
+    - affected_services: 0.30
+    - severity: 0.15
+    - keywords: 0.20
+
+    Returns:
+        float: 0.0 ~ 1.0 相似度分數
+    """
+    weights = {
+        "alert_names": 0.35,
+        "affected_services": 0.30,
+        "severity": 0.15,
+        "keywords": 0.20,
+    }
+
+    scores = {
+        "alert_names": calculate_jaccard_similarity(
+            set(pattern_a.alert_names),
+            set(pattern_b.alert_names),
+        ),
+        "affected_services": calculate_jaccard_similarity(
+            set(pattern_a.affected_services),
+            set(pattern_b.affected_services),
+        ),
+        "severity": (
+            1.0
+            if set(pattern_a.severity_range) & set(pattern_b.severity_range)
+            else 0.0
+        ),
+        "keywords": calculate_jaccard_similarity(
+            set(pattern_a.keywords),
+            set(pattern_b.keywords),
+        ),
+    }
+
+    return sum(weights[k] * scores[k] for k in weights)