# LOGBOOK - AWOOOI 進度軌跡

> **用途**: AI 代理進度追蹤，防止 Session 斷層
> **規則**: 完成重要節點後追加一行
> **歷史**: 舊條目已壓縮，詳細記錄見 git log

---

## 📍 2026-04-19 晚 18:00 — Review 深入：Phase 7 完整化（8 表全寫入 + coverage 升級 + Hermes AI 建議）🎖️🎖️

### 統帥指示「持續推進 + 持續 review 原本的做法 + 朝 AI 自主化方向」激活

### 本輪 Review 發現並修復的 bug
1. **asset_scanner K8sProvider 呼叫 bug**：`kubectl_get` 把 `--all-namespaces` 當 `-n` → asset_inventory=0
   - 修：改直接 subprocess（commit 0226344）
2. **asset_scanner 只掃 pods 盲點**：僅覆蓋 39 pods
   - 修：v3 擴充掃 pods+deployments+services+nodes+configmaps（commit d11b09c）
3. **ReplicaSet 橋樑漏掉**：Pod.ownerReferences 是 ReplicaSet，跳過 → Pod→Deployment 關係全失
   - 修：先掃 ReplicaSets 建 rs_to_deployment map，Pod 用此反查（commit e677773）
4. **coverage_evaluator KM 欄位錯誤**：`ke.body does not exist`（實際欄位是 `ke.content`）
   - 修：改用 `ke.content ILIKE` + 加 `ke.title` 匹配（commit c8b263d）
5. **drift diff HTTP 400**：`_full[:3950]` 切在 HTML tag 中間
   - 修：item-by-item 累計長度避免切斷（commit c0f3509）

### 實證 DB 活化（Review 前 → 後）
| 表 | Review 前 | Review 後 | 關鍵驗證 |
|---|---|---|---|
| asset_inventory | 39 pods | **140+**（45 pods + 22 workloads + 52 k8s_resources + 2 hosts）| v3 擴充成功 |
| asset_relationship | 52（全無 Pod→Deployment）| **114**（Pod→Deployment 54+ 筆）| ReplicaSet 橋樑生效 |
| asset_coverage_snapshot | 全 unknown | **74 筆 non-unknown**（22 green + 52 red auto_alerting）| coverage_evaluator 首次升級 |
| alert_rule_catalog.noise_rate | 全 NULL | **12 筆有 noise_rate**（2 條 100% noise）| rule_stats_updater 首次跑 |

### 新增 scanner/evaluator/advisor（本輪 + 前輪累計 11 個）
| 服務 | 檔案 | 排程 | 解鎖 |
|---|---|---|---|
| asset_scanner v3 | `asset_scanner_job.py` | 每 1h | 5 類資源 + 3 類 relationship |
| rule_catalog_sync | `rule_catalog_sync_job.py` | 每 1h | 68 條 Prometheus rules 同步 |
| capacity_scanner | `capacity_scanner_job.py` | 每日 02:00 | host_capacity_snapshot + violation |
| compliance_scanner | `compliance_scanner_job.py` | 每日 03:00 | 7 維 compliance（secret_rotated 真實）|
| **coverage_evaluator** | `coverage_evaluator_job.py` | 每 1h | unknown → green/red/yellow |
| **rule_stats_updater** | `rule_stats_updater_job.py` | 每 1h | noise_rate/TP/FP 從 incidents 推算 |
| **asset_change_tracker** | `asset_change_tracker_job.py` | 每 1h | added/removed/lifecycle_changed |
| **hermes_rule_quality** | `hermes_rule_quality_job.py` | 每日 04:00 | AI 建議 deprecate noisy rules（保守版）|

### 8 張原 0 writer 表覆蓋率：**8/8 = 100%** ✅

### 找到的噪音規則（Hermes 將建議審查）
- `PostgreSQLDiskGrowthRate`: 噪音率 100%（tp=0 fp=2）
- `NoAlertsReceived2Hours`: 噪音率 100%（tp=0 fp=1）
- `MoWoooWorkDown`: 33%（tp=4 fp=2）
- `KubePodCrashLooping`: 25%（tp=3 fp=1）

### 本輪 commits（6 個）
- `0226344`: asset_scanner kubectl subprocess 修
- `d11b09c→fdf8b73`: asset_scanner v3 擴充多資源+relationship
- `007c7ef→5052323`: coverage_evaluator 初版
- `df71c9a`: rule_stats_updater
- `6b14194→92349bc`: asset_change_tracker
- `c8b263d`: coverage_evaluator KM 欄位修
- `e677773`: ReplicaSet 橋樑修
- `9ed135e→6ab0ce9`: Hermes rule quality advisor

### 下一階段候選
- LLM 分析 noise rule 假報真因（升級 Hermes 從 threshold 到 AI 判斷）
- SSL/CVE/backup 合規實作（擴充 compliance 6 維 unknown）
- auto_playbook / auto_remediation / auto_rule_matching coverage 維度實作

---

## 📍 2026-04-19 下午 16:30 — Phase 7 完整實作：4 個新 scanner service + CI 修復 🎖️

### 統帥鐵律激活
「批准！！全部都要同步做！！」 — 平行推進 CI 修復 + 4 個新 service + E2E 驗證

### 完成清單（6 個 commits）

| Commit | 內容 | 狀態 |
|---|---|---|
| `e7ba8cb` | approval_execution aol writer + verifier await + declarative done_callback | ✅ 手動 build 部署 |
| `c0f3509` | drift diff HTTP 400 修復（item-by-item 累計防 HTML 截斷） | ✅ |
| `5b9b36f` | cd.yaml shared network + rule_catalog_sync | ✅ **CI 首次通過** |
| `4259a10` | capacity_scanner + compliance_scanner | ⏳ CI 跑中 |
| `0226344` | asset_scanner kubectl 改 subprocess | ⏳ CI 跑中 |

### CI cd.yaml B5 3 輪除錯歷程
1. **e7ba8cb fail**：act runner 跟 pg-test-b5 用不同 docker network，172.17.0.2 IP 不通
2. **b636d3b fail**：grep `GITEA-ACTIONS-TASK` 無 match → `bash -e -o pipefail` 中斷整 step（無任何 echo）
3. **c0f3509 fail**：fallback bridge 網路但 default bridge 不支援 container name DNS
4. **5b9b36f 成功**：主動建 shared network `b5-test-net`，ci-runner + pg-test-b5 都加入

### 實際驗證（5b9b36f 部署後 7min）
| 表 | 修復前 | 修復後 |
|---|---|---|
| **alert_rule_catalog** | 0 | **68**（Prometheus active rules 全 sync）✅ |
| asset_discovery_run | 1 | **3**（asset_scanner 跑了 3 次）✅ |
| asset_inventory | 0 | 0（K8sProvider bug，0226344 修復中） |
| automation_operation_log | 22 | 26（+2 asset_discovered, +1 rule_created, +1 notification_formatted）|

### 程式邏輯串聯（本輪打通）
```
Pod 啟動 → main.py lifespan
  ├─ asset_scanner_loop (3600s) → kubectl get pods --all-namespaces
  │    └─→ asset_inventory UPSERT + 7 維 coverage_snapshot
  ├─ rule_catalog_sync_loop (3600s) → Prometheus /api/v1/rules
  │    └─→ alert_rule_catalog UPSERT (solves E3 Hermes 的 baseline)
  ├─ capacity_scanner_loop (daily 02:00) → Prometheus node_exporter
  │    └─→ host_capacity_snapshot + capacity_violation_event
  └─ compliance_scanner_loop (daily 03:00) → asset_inventory active
       └─→ asset_compliance_snapshot × 7 維 (secret_rotated 真實檢查)
```

### 修復的 CI 基礎設施
- `cd.yaml` line 158-182：主動建 shared network、ci-runner + pg-test-b5 用 container name 連線
- 解鎖以後**所有** commit 都能自動 CI/CD 部署，不用手動 build

### 下一階段（待 CI 完成）
- B3/B4 部署後 host_capacity_snapshot + compliance_snapshot 開始累積
- 等真實 approval 進來驗證 aol(playbook_executed) + evidence.verification_result
- Phase 7 所有 11 張 ADR-090 表全部有 writer，0 writer 盲區治理完成

---

## 📍 2026-04-19 中午 12:30 — 北極星全景打通：verifier 改 await + aol 動作回灌 🚀

### 統帥鐵律激活
「全景、全流程、全節點、全程式碼關聯串接邏輯！朝 AI 自動化方向目標前進！」

### 起因
統帥指出原本的「11 張表 migration 未 apply」需求,先全景審計再動手。
盤點結果:14 張表全建好,但 11/14 完全沒人寫;真正瓶頸在「程式邏輯沒串通」,不是 schema 缺失。

### 全景審計鐵證（C 方案 = A 學習鏈 + B 動作回灌 並行）

| 觀察 | 鐵證 |
|---|---|
| 14 張 ADR-090 表全部 EXISTS（owner=awoooi） | pg_class 確認 |
| automation_operation_log: 22 筆全部 drift_narrator 寫的 | grep + DB 統計 |
| 33 件/7d approval APPROVED+EXECUTION_FAILED → aol 0 筆回灌 | 跨表 JOIN 比對 |
| incident_evidence: 1212 筆,evidence_summary 100% 有,verification_result 100% NULL | DB 統計 |
| AIOPS_P1-P6 flag 全部 true（4 天前 76558a3 全開）| Pod env 實測 |
| verifier flag 開了還是 0 寫入 → fire-and-forget task 在 Pod recycle 時被殺 | 程式碼 trace |

### 真正斷點（程式邏輯角度）
1. `_run_post_execution_verify` 用 `asyncio.create_task` fire-and-forget,task 死 → verification_result 永遠 NULL
2. `approval_execution.execute_approved_action` 全程沒寫 automation_operation_log
3. `declarative_remediation._log_remediation_event` 也是 fire-and-forget,失敗無 log → 0 筆寫入

### 修復（commit e7ba8cb）

**apps/api/src/services/approval_execution.py（+182 行）**：
- 新增 `_log_aol_started`：主流程開始 INSERT aol(playbook_executed, pending) 拿 op_id
- 新增 `_log_aol_completed`：4 個 return 點 UPDATE aol 為 success/failed + duration + stderr_feed_back
- `_run_post_execution_verify` 兩處（成功+失敗 path）從 `create_task` 改 `await + 60s timeout`
- 失敗時 `stderr_feed_back = result.error` → 解開 E6 stderr 回灌閉環

**apps/api/src/services/declarative_remediation.py（+24 行）**：
- `_log_remediation_event` task 加 `name` + `add_done_callback`,task 失敗時有 log

### 預期解鎖鏈（驗證待 CD 完成 + 下一次 approval）
- automation_operation_log: 33 件/7d 立即可見（playbook_executed）
- incident_evidence.verification_result: 開始累積
- learning_service.record_verification_result → Playbook EWMA trust_score 動態變化
- finetune_exporter 7d cron: 終於有 `verification_result='success'` 可匯出 → finetune_exports 寫入
- stderr_feed_back: 接通 → 失敗訊號回灌 retry/Playbook 負向強化

### 還沒做（下一輪）
- 8 張 asset/capacity 表 0 writer：需要新建 scanner / capacity / rule_catalog services
- E3 Hermes 自動建規則：依賴 alert_rule_catalog 有資料
- Phase 4 NemoTron 容量巡檢：依賴 host_capacity_snapshot 有資料

### Commits
- `e7ba8cb` fix(aiops): 打通 AI 自主學習鏈 — verifier 改 await + aol 動作回灌

---

## 📍 2026-04-19 凌晨 02:05 — Phase 7 盲區治理 Round 1：結構性治理全景打擊 🎯

### 統帥鐵律激活
"不要只降低！要長期解決！" → 放棄「重啟 cadvisor」戰術補丁，轉走**結構性治理**

### 起因
- 剛才開頭我給 A-E 戰術選單 → 統帥兩輪校準（看過全景？符合北極星？不要只降低！）
- 全景調查揭露：188 cadvisor **Up 13h 還 321%** = 重啟完全無效鐵證
- 110 load 17 真兇**不是 cadvisor**（cadvisor 0%）而是 Sentry 155% + Gitea 109% + node-exporter 141%

### Commits（2 repos）
- `eab3f52` awoooi: monitoring compose + alerts-unified `infra_self_monitoring` 群組（9 規則）
- `507384a` wooo-aiops: 188 cadvisor compose 結構性治理（flags + L2）

### 全景打擊戰果

| 服務 | Before | After | 配額 |
|---|---|---|---|
| 188 cadvisor | 321% 爆 13 天 | **0.00%** 🎉 | 1g/1.5c |
| 110 cadvisor | 0% | 4.38% | 512m/1.0c（防爆網）|
| 110 node-exporter | 141% 爆 | **0.00%** 🎉 | 256m/1.0c |
| Sentry ClickHouse | 155% | 71% | 8g/4c |
| Gitea | 109% 爆 | **5.87%** 🎉 | 3g/3c |

### Load 變化
- 188: 10.33 → **5.09** ✅
- 110: 17 → (重啟峰值 51 回落中) 待驗證

### 告警規則（動態，非寫死）
- Memory usage / spec_memory_limit > 0.8 → Pressure
- CPU throttle rate > 0.5s/s → Throttled
- 配額改，閾值自動跟著變（比寫死 80% 智能）

### 🔴 關鍵教訓（下次 Session 必讀）
1. **重啟 ≠ 解決** — cadvisor Up 13h 又 321% 是鐵證
2. **全景調查必要** — status 快照說「188 cadvisor 288%」隱藏了 Sentry/Gitea/node-exporter 的巨大背景噪音
3. **Compose 來源 drift 危險** — 188 cadvisor 真正來自 `momo-pro/monitoring/` 非 `wooo-aiops/` 差點治錯
4. **配額即智能** — L2 配額比閾值規則更智能，因為它把「限制」寫進基礎設施

### 技術債（5 項）
見 `project_current_status.md` 頂部

### 下一 Session 接手
1. 驗 110 load 是否穩 <10
2. 驗 9 條 infra_self_monitoring 規則活躍
3. 補 ADR-090 11 表 migration（需先找 prod DB 位置）
4. 決議 110/188 手動管 compose 是否納入 Git

---

## 📍 2026-04-17 晚 — P1+P2 安全熱修 + 第一次授權執行歷史里程碑 🏁

### 第一次 [✅批准] 歷史時刻

- **INC-20260417-43E98A**：混沌注入 `KubePodCrashLooping` → TYPE-3 卡片呈現符合預期
- [✅批准][❌拒絕] 置頂 ✅，AI 診斷只顯示診斷摘要 ✅，action 為 `kubectl get pods -n awoooi-prod` ✅
- 統帥按下 [✅批准] → `approval_execution.py` 接收 → 原卡片下方 reply「✅ 執行成功/失敗」
- KM 沉澱：`_write_execution_result_to_km()` 自動寫入 `INCIDENT_CASE`（含 alertname/category/action）

### P1 安全熱修 — Commit `93205ce`

| 問題 | 根因 | 修復 |
|------|------|------|
| 自然語言 action 通過 auto_approve | 條件 1c 只判斷 action 是否為空，未驗證格式 | 新增條件 1d：action 必須含 `kubectl` 關鍵字，否則 `NO_PLAYBOOK` 拒絕，降人工審核 |
| Solver Nemo 格式路徑輸出自然語言 | `action_title` 不含 kubectl 仍被轉為 CandidateAction | `_extract_candidates()`：`action_title` 不含 kubectl → `return []` → 觸發 `_degraded_plan` |
| 降級動作為 `"restart_pod"` 等自然語言 | `_default_action_for_category` 返回非 kubectl 字串 | 改為真實 `kubectl get/top/exec` 調查指令（唯讀，無副作用） |

### 架構現況（2026-04-17 晚）

| 層級 | 狀態 | 說明 |
|------|------|------|
| L1 監控/告警 | ✅ 生產運行 | Prometheus + Alertmanager |
| L2 AI 診斷 | ✅ 生產運行 | 5-Agent Debate，confidence/blast_radius 計算 |
| L3 條件自動執行 | ✅ 首次驗證 | kubectl 格式 + blast_radius 評分 → 人工或自動 |
| L4 自動放行（高信任） | ⚠️ 架構就緒 | trust_score 邏輯存在；min_trust_score=0（pod重啟會歸零）|
| L5 自主學習飛輪 | ⚠️ 架構就緒 | `_write_execution_result_to_km` 寫入，未 7 天驗證 |

### 已驗證事實修正

- **卡片不會 in-place edit**：執行結果以 `reply_to_message_id` 送新訊息到原告警下方
- **KM 沉澱是真的**：`approval_execution.py:676` `create_entry` 確實執行
- **AI 仲裁 20%** = Solver 走降級路徑，`confidence=0.2` 是設計值（降級動作應給低分）

---

## 📍 2026-04-17 下午三 — 混沌演習 + Telegram UI 第三波修復（BUG-C）🎯

### 混沌演習結果（Alertmanager API 注入法）

- 注入：`KubePodCrashLooping` → `INC-20260417-C6D1D6` 建立 ✅
- AI Debate 完成（confidence=0.9, risk=low）✅
- 揭露新 BUG：TYPE-3 root_cause 仍含 debate_summary 全文 + K8s 按鈕蓋台 approve/reject

### 修復 Commit `f421e65`

| 問題 | 根因 | 修復 |
|------|------|------|
| TYPE-3 卡片 AI 診斷欄顯示完整 debate_summary | `root_cause=_smt(reasoning, 500)` 未解析 | `_parse_debate_summary` 只取 `diagnosis` + `_smt 300` |
| K8s 動態按鈕蓋台，看不到批准/拒絕 | `requires_human_approval` 條件未滿足時跳過 approve/reject | `_build_inline_keyboard` 重構：[✅批准][❌拒絕] 永遠第一行，K8s 按鈕置後 |

**副作用清理**：移除 `requires_human_approval` 參數（`_build_inline_keyboard` + `send_approval_card` + 呼叫端），邏輯簡化為無條件置頂。

---

## 📍 2026-04-17 下午二 — Telegram UI 第二波修復（BUG-A + BUG-B）📊

### 系統盤點（System Audit）

完成 6 TYPE 全分類盤點：TYPE-1/2/3/4/4D/8M

- TYPE-2/3/4：✅ TelegramMessage 結構化模板，正常
- TYPE-8M：✅ 已修復（第一波 6baa2e9）
- TYPE-1：⚠️ BUG-A — `message=reasoning[:200]` 傾倒完整 debate_summary
- TYPE-4D：⚠️ BUG-B — `diff_summary=description[:500]` 傾倒 AI 輸出的 JSON 原文

### 修復 Commit `418d735`

| 問題 | 根因 | 修復 |
|------|------|------|
| TYPE-1 純資訊通知顯示 "診斷...；方案...；安全審查..." 全文 | `reasoning[:200]` 未解析 debate_summary | `_parse_debate_summary(reasoning)` 只取 `diagnosis` + `_smt` 截斷 200 字 |
| TYPE-4D Config Drift 顯示 `{"action_title":"...","description":"..."}` | `description[:500]` 傳入未解析的 LLM JSON | JSON Catcher：`json.loads` 成功 → 格式化「📝建議操作/📖說明/⏪回滾方案」；失敗 → 平滑降級純文字 |

**修改範圍**：僅 `decision_manager.py` 路由準備段（+23行/-2行），`telegram_gateway.py` 模板層零改動。

---

## 📍 2026-04-17 下午 — Telegram UI 三連修（顧問戰報分析）🎯

### 顧問診斷兩張截圖

**截圖一（好消息）**：Solver 成功輸出 `kubectl delete pod awoooi-api -n awoooi-prod`（blast_radius=25），
Trust Score 未達 0.8 門檻 → 系統正確降級為 ACTION REQUIRED — Trust Engine 正常運作。

**截圖二（真問題）**：TYPE-8M 卡片三欄重複 + 幽靈截斷 + 死卡（無批准/拒絕按鈕）

### 修復 Commit `6baa2e9`

| 問題 | 根因 | 修復 |
|------|------|------|
| 批准/拒絕按鈕消失（死卡） | `_build_inline_keyboard` 有動態按鈕時跳過 approve/reject | 新增 `requires_human_approval` 參數，True 時強制插入批准/拒絕行 |
| TYPE-8M 三欄重複渲染 | `diagnosis`/`system_impact`/`probable_cause` 全取 `reasoning[:100]` | 新增 `_parse_debate_summary()` 拆分各組件 |
| 幽靈截斷「質疑：無（通」 | 粗暴 `[:N]` 在括號中間切斷 | 新增 `_smart_truncate()` 在句子邊界截斷 |

驗證：`verify_telegram_ui.py` 全部通過，Run 927 部署中（13:58 台北）。

---

## 📍 2026-04-17 — Phase 5 燃料修復 + 生產 Bug 三連修 🔧

### 背景
顧問（統帥）從 Telegram 截圖診斷出 4 個生產問題：
CI/CD 失敗、API 短暫離線、drift 研判原因空白、Telegram 截斷幽靈復發

### 根本原因 + 修復 Commits

| Commit | 問題 | 根因 | 狀態 |
|--------|------|------|------|
| `e0bfcc7` | Phase 5 blast_radius fill rate = 0% | Solver prompt 範例為 `restart_service:xxx` 自訂格式 → LLM 輸出自然語言 → auto_approve Cond 1c 拒絕 → blast_radius_calculator 從未被呼叫 | ✅ 已部署 `0ab92c2` |
| `5dae610` | CD pipeline rebase 衝突 | `git rebase` 無 `-X theirs` → kustomization.yaml 衝突未解 → push rejected | ✅ 已部署 `0ab92c2` |
| `58d9c06` | drift_narrator 研判原因空白 | `_generate_narrative()` 直接呼叫 `192.168.0.111:11434`（dead Ollama）→ httpx 拋 exception → 整個 narrate_and_notify() 跳出 → DB 從未寫入 | ✅ 已部署 `0ab92c2` |
| `0ab92c2` | Telegram 截斷幽靈 "質疑：無（通" | `root_cause=reasoning[:300]` 裁切在 300 字 | ✅ 已部署 |

### 修復技術摘要

**Solver prompt 修復（e0bfcc7）**:
- 舊：`action 範例 = "restart_service:awoooi-api"` → LLM 模仿輸出自然語言
- 新：明確要求 kubectl 命令 + 正確範例 `kubectl rollout restart deployment/awoooi-api -n awoooi-prod`
- 影響：auto_approve Cond 1c 恢復，_auto_execute() 路徑打通，blast_radius_calculator 開始運作

**drift_narrator 修復（58d9c06）**:
- 舊：`httpx.AsyncClient → POST 192.168.0.111:11434/api/generate` (Dead IP)
- 新：`get_openclaw().call(prompt)` — 走 AI Router，自動 fallback
- 與 drift_interpreter.py 同樣修法（d952435）

### 生產驗證（2026-04-17 13:38 台北）

| 指標 | 狀態 |
|------|------|
| Run 926 部署 | ✅ success，image `0ab92c20...` |
| API 在線 | ✅ HTTP 200 |
| Solver kubectl 格式 | ⏳ 等下一個告警觸發 |
| blast_radius_score 記錄 | ⏳ 等新 incident |
| drift_narrator 研判原因 | ⏳ 等 14:00 cronjob 觸發 |
| Telegram 截斷修復 | ⏳ 等長 reasoning 的 incident |

### GitOps Token 修復（本 Session 早期）
- Gitea Issue `write:issue` scope 缺失 → 403
- 修復：docker exec gitea → generate-access-token → patch K8s Secret
- Phase 5 GitOps PR 功能：`AIOPS_P5_GITOPS_PR=false`（configmap，可按需啟用）

---

## 📍 2026-04-16 — E2E 全節點驗證 + 生產 bug 連環修復

### 問題背景
Sweeper 首次啟動把 117 個歷史 incident（最舊 7 天）全部洗版到 Telegram，
用戶反映「所有告警訊息都長得好像」（全部降級 confidence=20%）

### 根本原因鏈

1. **Sweeper key bug**: 檢查 `decision:INC-*`（不存在），沒有設置 done marker → 每輪都認為未分析
2. **CAST SQL bug**: `decision_chain = :dc::json` → asyncpg 語法錯誤 → 學習記錄無法寫入 DB
3. **Age filter 缺失**: 啟動時一次觸發所有歷史 incident → Telegram 洪水
4. **shadow_mode 卡住**: ConfigMap 已改 false，但 Pod 在更新前創建 → 載入舊值 true
5. **flywheel stats bug**: `incidents.outcomes` 欄位不存在（應為 `outcome`） → stats/summary API 500
6. **Telegram method bug**: `_make_request` 不存在（正確方法名 `_send_request`） → 分析完後推送失敗

### 修復 Commits

| Commit | 修復 | 狀態 |
|--------|------|------|
| `20b3fef` | sweeper key format: `sweeper_done:INC-*` marker | ✅ 已部署 |
| `0760315` | CAST SQL + shadow_mode=false | ✅ 已部署 |
| `9bfa6fc` | sweeper 48h 舊案過濾 | ✅ 已部署 |
| `1e86cc2` | flywheel `outcome` 欄位 | ✅ 已部署 `f5e33da2` |
| `f5e33da` | telegram `_send_request` 方法名稱 | ✅ 已部署 `f5e33da2` |
| `381be78` | chore(cd): deploy f5e33da | ✅ CD 完成 |

### E2E 驗證結果（最終確認 `f5e33da2`，2026-04-16 02:17 台北）

全 12 節點驗證通過，E2E 鏈路完全打通：

```
告警接收 → Incident 建立 → Sweeper 觸發分析
→ decision_analyzing → evidence_snapshot_saved → investigator_done
→ agent_debate_start → agent_debate_done → agent_session_recorded
→ telegram_decision_pushed
```

36 個 incident 均完整走過 7 節點流程。零 `AttributeError`，零 sweeper 洪水。

### 其他改善

- KM 16 筆缺漏 embedding → 補齊（867/867 全有向量）
- AIOPS_P4_SHADOW_MODE=false 生效（rollout restart + 新 pod 確認）
- proactive_inspector: shadow_mode=false，anomalies=0（系統健康）

---

## 📍 2026-04-15 深夜 — AI 自主化飛輪 Phase 4-6 全完成 + 生產全開 🎉

### Phase 4 異常偵測升級（commit 14a0226，ADR-084）

| 成品 | 路徑 |
|------|------|
| TrendPredictor | `services/trend_predictor.py` — statsmodels ARIMA 趨勢預測 |
| ProactiveInspector | `services/proactive_inspector.py` — 主動巡檢（L1-L4 四層） |
| 8D 感官升級 | `services/pre_decision_investigator.py` — anomaly_context 增強 |

### Phase 5 修復抽象化（commit 655d1a5，ADR-086）

| 成品 | 路徑 |
|------|------|
| BlastRadiusCalculator | `services/blast_radius_calculator.py` — CRITICAL/HIGH/MEDIUM/LOW 分控 |
| DeclarativeRemediation | `services/declarative_remediation.py` — dry-run → apply 分階段 rollout |
| GitOpsPRService | `services/gitops_pr_service.py` — 自動 PR 生成 IaC 修復 |
| RollbackManager | `services/rollback_manager.py` — 自動回滾策略 |
| DecisionManager 接線 | `AIOPS_P5_BLAST_RADIUS_CHECK` gate 守衛 |

### Phase 6 自我治理閉環（commit 05b7743 + 77a92eb）

| 成品 | 路徑 |
|------|------|
| AiSloCalculator | `services/ai_slo_calculator.py` — SLO 計算器 |
| TrustDriftDetector | `services/trust_drift_detector.py` — 信任度漂移偵測 |
| KbRotCleaner | `jobs/kb_rot_cleaner.py` — 知識庫腐爛清理 Job |
| 自我降級引擎 | `services/decision_manager.py` 接線 |
| SLO REST API | `api/v1/ai_slo.py` — GET /api/v1/ai/slo |
| OfflineReplayService | `services/offline_replay_service.py` — 離線回放驗證 |
| ModelRollbackService | `services/model_rollback_service.py` — 模型回滾機制 |
| DB 表 | `db/models.py` AiGovernanceEvent + 3 index |

### P1-P6 全開（commit 76558a3）

```
AIOPS_P1_ENABLED=True ... AIOPS_P6_ENABLED=True（全部）
Nemotron 接線 + offline replay loop 啟動
```

### 生產修補（全開後，2026-04-15 深夜）

| Commit | 修復內容 |
|--------|---------|
| `85c4e3b` | KM 寫入全為 unknown 根因（alertname/affected_services/category 三節點） |
| `ecfb714` | YAML 規則引擎與自動執行路徑核心斷點接通 |
| `3696fb5` | host_resource 誤發 K8s kubectl + 自動執行重複風暴 |
| `67f4370` | 四個生產致命 bug（outcome 寫入/OpenClaw/Telegram/LLM 規則顯示） |
| `256a24e` | drain3/statsmodels 依賴補入 + warmup skip 舊資料 |
| `c05bac6` | Playbook seed tuple unpack + text[]→jsonb migration |
| `da871fc` | AIOps P1/P2/P6 migration SQL 補齊（已 prod 套用） |

### 技術債（下次 Sprint）

- `send_notification()` 未私有化（raw text bypass 可能）
- `approval_repository.py:find_by_fingerprint()` 無 TTL

---

## 📍 2026-04-15 — AI 自主化飛輪 Phase 0 防護欄建立

### 完成項目

| 成品 | 路徑 | 說明 |
|------|------|------|
| MASTER v2 藍圖 | `docs/superpowers/specs/2026-04-15-MASTER-ai-autonomous-flywheel-v2.md` | §0-§8 全填完，1456 行，7 Phase 完整規劃 |
| ADR-080 | `docs/adr/ADR-080-ai-autonomy-flywheel-overview.md` | 7 Phase + 4 北極星 + 7 架構師 Review Gates |
| Feature Flags | `apps/api/src/core/feature_flags.py` | P1~P6 全 False + 15 細粒度子開關 |
| Jobs 模組 | `apps/api/src/jobs/__init__.py` | Jobs 目錄初始化 |
| 基線快照 Job | `apps/api/src/jobs/baseline_snapshot.py` | 拍攝飛輪啟動前 6 大指標現況 |
| HARD_RULES v1.9 | `docs/HARD_RULES.md` | 新增 Phase 退出條件鐵律 |

### Phase 0 基線數值（待 baseline_snapshot 執行後填入）

| 指標 | 現況（預估） | Phase 6 目標 |
|------|------------|------------|
| MCP 呼叫/24h | 0 | > 0 |
| Playbook avg_confidence | ~0.3（靜態） | 動態 EWMA |
| 學習閉環觸發率 | 0% | ≥ 99% |
| general 告警比例 | ~41% | < 10% |
| RESTART 修復比例 | ~68% | < 40% |
| 自動執行成功/24h | 0 | > 0 |

### 下一步

- 統帥 review ADR-080 + MASTER v2 → 批准後 Phase 1 開工
- Phase 1: PreDecisionInvestigator + MCP ToolRegistry + EvidenceSnapshot + PostExecutionVerifier
- 執行 `python -m src.jobs.baseline_snapshot` 拍攝真實基線數字

---

## 📍 2026-04-15 — AI 自主化飛輪 Phase 1 感官縱深建立

### 成品（ADR-081）

| 成品 | 路徑 | 說明 |
|------|------|------|
| DB Model | `apps/api/src/db/models.py` | IncidentEvidence 表（8D 感官 + 執行前後狀態 + 驗證結果） |
| EvidenceSnapshot | `apps/api/src/services/evidence_snapshot.py` | 不可變快照，build_summary() 組裝 LLM 上下文 |
| SanitizationService | `apps/api/src/services/sanitization_service.py` | Prompt Injection 0-tolerance（12 pattern）+ 敏感詞遮罩 |
| MCPToolRegistry | `apps/api/src/services/mcp_tool_registry.py` | 動態工具登記冊，suggest_tools() 不寫死告警類型 |
| PreDecisionInvestigator | `apps/api/src/services/pre_decision_investigator.py` | 8D 並行感官蒐集，P99 < 8s，Redis 30s 快取 |
| PostExecutionVerifier | `apps/api/src/services/post_execution_verifier.py` | 執行後 K8s 收斂等待 + 三態評估（success/degraded/failed） |
| decision_manager 接線 | `apps/api/src/services/decision_manager.py` | AIOPS_P1_PRE_DECISION_INVESTIGATOR flag 守衛 |
| approval_execution 接線 | `apps/api/src/services/approval_execution.py` | AIOPS_P1_POST_EXECUTION_VERIFIER fire-and-forget |

### 測試覆蓋

| 測試檔 | 數量 |
|--------|------|
| test_sanitization_service.py | 28 |
| test_mcp_tool_registry.py | 33 |
| test_pre_decision_investigator.py | 28 |
| test_post_execution_verifier.py | 22 |
| **總計** | **111 新增（Phase 1），130 全數通過** |

### Gate 1 修復（4 項）

1. `evidence_snapshot.py`: rowcount < 1 → warning log（靜默零行更新）
2. `post_execution_verifier.py`: 移除裸 `"error"` failure signal（防 error_rate key 誤判）
3. `pre_decision_investigator.py`: D4/D5/D7/D8 補 sanitize_dict_values（Prompt Injection 0-tolerance）
4. `feature_flags.py`: 補充 Pod 重啟才能 hot-reload flags 說明

### 下一步

- ~~Phase 2: 5 Agent 骨架 + Orchestrator + AgentSession DB~~ → **✅ 完成（commit d316221）**

---

## 📍 2026-04-15 深夜 — AI 自主化飛輪 Phase 3 學習閉環重建完成

### 成品（ADR-083，commit 7da64ea → Gitea）

| 成品 | 路徑 | 說明 |
|------|------|------|
| fire-and-forget 修復 | `services/approval_execution.py` | `create_task` → `await asyncio.wait_for(timeout=30)` × 2 處（成功 + 失敗路徑） |
| matched_playbook_id 欄位 | `models/approval.py` | `ApprovalRequestBase` 新增，auto_execute 路徑填充 |
| _auto_execute 傳遞 | `services/decision_manager.py` | `token.proposal_data.get("playbook_id")` → `ApprovalRequest.matched_playbook_id` |
| 雙路徑查找 | `services/learning_service.py` | `matched_playbook_id` + `metadata` fallback |
| trust_score 欄位 | `models/playbook.py` | 新增 `trust_score: float = 0.3`（EWMA 動態信任度） |
| 2x EWMA 更新 | `repositories/playbook_repository.py` | 成功 α=0.1、失敗 α=0.2，trust < 0.1 → 警告 |
| Evolver Agent | `services/playbook_evolver.py` | 低信任封存 + 休眠封存 + Jaccard 相似合併（新建） |
| ADR-083 | `docs/adr/ADR-083-learning-loop-reconstruction.md` | 學習閉環重建決策紀錄 |
| MASTER §8 | `docs/superpowers/specs/2026-04-15-MASTER-ai-autonomous-flywheel-v2.md` | Phase 3 完工追加 |

### 根因修復對照

| 根因 | 修復前 | 修復後 |
|------|--------|--------|
| 學習觸發率 | 0%（GC 隨時取消） | ≈100%（await + 30s 熔斷） |
| Playbook EWMA | 永遠停在 0.3 | 每次執行後動態更新 |
| 負向懲罰 | 無 | 失敗 2x 衰減（α=0.2） |
| 知識庫管理 | 無退場機制 | Evolver 自動封存低信任 |

### 架構狀態

```
AIOPS_P3_ENABLED=False（預設）— 骨架就位，等統帥批准後開啟
AIOPS_P3_EVOLVER_ENABLED=False — Evolver 定時 job 等統帥批准
學習路徑：ApprovalRequest.matched_playbook_id → learning_service → playbook_repository.update_stats(EWMA)
```

### 下一步
- Gate 3 架構審查（首席架構師 Review Phase 3）
- 開啟 `AIOPS_P3_ENABLED=True` 後 E2E 驗證
- Phase 4 異常偵測升級（依賴 Phase 3 穩定）

---

## 📍 2026-04-15 深夜 — AI 自主化飛輪 Phase 2 多 Agent 協作骨架上線

### 成品（ADR-082，commit d316221）

| 成品 | 路徑 | 說明 |
|------|------|------|
| Protocol 型別系統 | `apps/api/src/agents/protocol.py` | 5 Agent 共用資料契約（dataclass，不可變） |
| DiagnosticianAgent | `apps/api/src/agents/diagnostician_agent.py` | RCA 偵探，confidence < 0.4 → ABSTAIN |
| SolverAgent | `apps/api/src/agents/solver_agent.py` | 修復軍師，blast_radius 評分 + 降級 mock |
| ReviewerAgent | `apps/api/src/agents/reviewer_agent.py` | 安全審查，HARD_RULES 靜態 regex + blast_radius 閾值 |
| CriticAgent | `apps/api/src/agents/critic_agent.py` | 刻意唱反調，強制 3 問批判，critical → REJECT |
| CoordinatorAgent | `apps/api/src/agents/coordinator_agent.py` | 純規則聚合（無 LLM），6 級決策閘 |
| AgentOrchestrator | `apps/api/src/services/agent_orchestrator.py` | 30s 全局超時，Reviewer‖Critic 並行，DB + Redis Streams |
| DecisionManager 接線 | `apps/api/src/services/decision_manager.py` | `is_phase_enabled(2)` gate + `_package_to_proposal_data` 橋接 |
| AgentSession DB 表 | `apps/api/src/db/models.py` | Immutable Event Sourcing，4 複合 index |
| ADR-082 | `docs/adr/ADR-082-multi-agent-collaboration.md` | 架構決策紀錄 |

### Gate 2 修復（7 項）

| 嚴重度 | 問題 | 修復位置 |
|--------|------|---------|
| CRITICAL | DELETE FROM regex lookahead 位置錯誤，攔到安全語句、放行危險語句 | reviewer_agent.py:58 |
| CRITICAL | REQUEST_REVISION 可抵達 auto-execute（Solver 未修訂不可執行） | coordinator_agent.py |
| IMPORTANT | `_extract_json` flat regex 不支援巢狀 JSON，所有 Agent LLM 解析靜默失敗 | base.py:167 |
| IMPORTANT | `all_degraded` 遺漏 `verdict.degraded`，Reviewer 熔斷不被感知 | coordinator_agent.py |
| IMPORTANT | Solver ABSTAIN guard 放行降級假設（confidence=0.2 觸發 LLM） | solver_agent.py:72 |
| IMPORTANT | `dataclasses.asdict()` 保留 Enum 實例，所有 DB 審計寫入靜默失敗 | agent_orchestrator.py |
| IMPORTANT | P2 gate 直讀屬性繞過父 Phase 守衛（應用 `is_phase_enabled(2)`） | decision_manager.py |

### 架構狀態

```
AIOPS_P2_ENABLED=False（預設）— 骨架就位，等統帥批准後開啟
執行路徑：EvidenceSnapshot → Diagnostician → Solver → (Reviewer‖Critic) → Coordinator → DecisionPackage
全局超時：30s，單 Agent：5s，降級後繼續（不阻塞 Coordinator）
```

### 下一步

- Phase 2 測試：`test_agent_protocol.py` / `test_agent_orchestrator.py` / 各 Agent 單元測試
- 或 統帥指示進入 Phase 3（學習閉環重建）

---

## 📍 2026-04-14 午夜 — Phase 5 分類按鈕完整化全數上線

**Sprint 5.0 → 5.4 全數完成**，26 個 commits 推版：

| Sprint | 產出 | Commit |
|--------|------|--------|
| 5.0 規格 | callback_action_spec.yaml (24 actions) | `2e2f5a1` |
| 5.1 Dispatch 框架 | TelegramGateway._dispatch_category_action | `581b244` |
| 5.2 MCP 接入 | dispatcher 真實 MCP registry + internal + graceful | `208c28e` |
| 5.3 寫類 + audit | Step 1.9 nonce 路由 + Multi-Sig 守衛 | `de8bbd8` |
| 5.4 動態按鈕 | `_build_inline_keyboard` 從 registry 生成 | `a92562d` |

**Bug A/B 深查**：
- Bug B LLM timeout 硬編 120s/130s 真修 `36754a8`（openclaw.py 改用 OPENCLAW_TIMEOUT=30s）
- Bug A approval.incident_id NULL 加診斷 log（等 live-fire 抓真因）

**按鈕從死變活**：
- 原 28 死按鈕（callback 格式錯 + 0 handler）已下架
- 新動態按鈕：從 yaml 生成，spec 決定格式（nonce/info），MCP dispatcher 真執行
- 完整 audit log + reply_to 原卡片

---

## 📍 2026-04-14 深夜收官 — GAP-A4 解開 8.3h 飛輪沉默 + 技術債處理

**真兇逮到**：GAP-A4 規則模板 placeholder 解析缺漏
- Log 顯示大量 `auto_execute_blocked_unresolved_placeholder`
- target 退回 alertname / unknown / IP:port → 垃圾 kubectl 指令
- GAP-A1 防注入閘盡責攔下 → 自動修復路徑卡死 → 飛輪沉默

**修復 `10b74af`**（三層防護）:
1. `_strip_pod_suffix()` — Deployment/StatefulSet/Legacy pod 三種格式
2. `_is_bad_target()` — 垃圾識別（空/unknown/alertname/IP:port/含空白）
3. `_extract_vars()` 多層 label 查找（deployment > app > statefulset > pod > container）
4. `match_rule()` 後置雙驗證（bad target + 殘留 placeholder）

**測試**：33 個新 GAP-A4 測試 + 214/214 回歸全綠

**技術債處理**:
- ✅ report_generation 重試機制（3 次指數退避 + 失敗降級通知）`下一 commit`
- 🟡 DEFER: QueryBuilder 抽象（YAGNI，僅 1 處用 JSON path query）
- ✅ E2E 測試（GAP-A4 TestMatchRuleRejection 全流程覆蓋 + Mission C prod 實測）

---

## 📍 2026-04-14 深夜 — MASTER 藍圖 11/11 Task 全部完成 🏆

**結案文件**：
- [docs/reports/2026-04-14-MASTER-BLUEPRINT-CLOSURE.md](reports/2026-04-14-MASTER-BLUEPRINT-CLOSURE.md)
- [docs/adr/ADR-077-master-blueprint-completion.md](adr/ADR-077-master-blueprint-completion.md)

**本日 9 commits 完整清單**：
`cc42aa0 → aae7c12 → 43c9689 → dedd7c2 → dd0a778 → 0f48a50 → b8b124c → 8de807c → f54dea4`

**Phase 4（自動報告系統）完成**：
- Task 4.1 日度巡檢報告：`run_daily_report_loop` 已啟動（`daily_report_next_in: 48993s`，明早 08:00 台北）
- Task 4.2 Postmortem 自動組裝：`incident_service.resolve_incident` hook `8de807c`
- f54dea4 修復 DB 欄位 bug（ApprovalRequestRecord/PlaybookRecord → 實際 IncidentRecord.outcome + Redis playbook_service）

**架構審查**：CONDITIONAL PASS（decision_manager Tier 3 審查紀錄入 ADR-077）

**通訊渠道**：全走 Telegram，SMTP 不需要

---

## 📍 2026-04-14 傍晚 — MASTER 藍圖 P0+P1 全綠 + E2E 實彈驗證

**本日新增 6 commits（cc42aa0 → dd0a778 → 0f48a50 CD）**：
- `cc42aa0` — GAP-A2（3 告警規則 gitea/ssl/external_site）+ GAP-A1（validate_kubectl_command + 34 測試）
- `aae7c12` — GAP-C3（SSH 修復 KM 萃取 + 18 測試）
- `43c9689` — 4 份治理文件（Alert Taxonomy / AI Model Cards / Postmortem Template / On-Call Handbook）
- `dedd7c2` — BP-1 B.1 KM 萃取品質精修（`_write_execution_result_to_km` 區分自動/人工 + 富化元資料）
- `dd0a778` — GAP-B4 LLM 超時降級扶梯（內層 25s + NemoClaw 3s）🔴 Tier 3 紅區
- `0f48a50` — CD deploy dd0a778

**MASTER 藍圖 P0+P1 全部完成**（含驗證已實作：GAP-C2 retry, GAP-D1 trust feedback, GAP-A3 alert grouping）

**E2E 實彈射擊（Mission C）**：
- `KubePodCrashLooping` via `/webhooks/alertmanager` → LLM(ollama, 1582t) → Playbook `high-cpu-restart` 相似度 39% → `incident_resolved_after_auto_repair` → Telegram msg 20723 → KM 1 筆（`km_conversion_service` 路徑寫入）
- **發現 KM 雙路徑設計** → 建立 [feedback_km_dual_path_design.md](memory/feedback_km_dual_path_design.md)

**測試全綠**：152/152 tests passed

**剩餘 Backlog**（明日推進）：
- GAP-D5 自動報告生成（需 APScheduler）
- project_current_status.md 小型 Backlog（WebSocket 重連、Blackbox E2E、flywheel-alerts.yaml Docker 方式）

---

## 📍 當前狀態 (2026-04-14 早上 — aae7c12 ✅)

**本次 session 完成（Task 3.3）**：
- `approval_execution.py` — `_trigger_playbook_extraction`: 寫入 `approval.action → outcome.learning_notes`
- `playbook_service.py` — `_parse_ssh_command()` + `_extract_repair_steps()` SSH 路徑 + `[SSH]` name prefix + ssh/host_layer tags
- `test_playbook_ssh_extraction.py` — 18 新測試（794 通過，0 失敗）

**飛輪雙手對齊**：
- kubectl 路徑：`decision_chain.reasoning_steps → KM` ✅（既有）
- SSH 路徑：`approval.action → learning_notes → SSH RepairStep → KM` ✅（Task 3.3 新增）

**剩餘（純文件）**：

| 文件 | 路徑 | 狀態 |
|------|------|------|
| 告警分類目錄（16 類） | docs/reference/ALERT-TAXONOMY-CATALOG.md | 待辦 |
| AI Model Card（5 模型）| docs/ai/AI-MODEL-CARDS.md | 待辦 |
| Postmortem 模板 | docs/templates/POSTMORTEM-TEMPLATE.md | 待辦 |
| On-call Handbook | docs/operations/ON-CALL-HANDBOOK.md | 待辦 |

---

## 📍 前次狀態 (2026-04-14 — Task 2.2+2.3 完成，cc42aa0 ✅)

**本次 session 新增（Task 2.2 + Task 2.3）**：
- `alert_rules.yaml` — 新增 3 類規則（gitea_down/ssl_cert_expiring/external_site_down），共 24 條
- `alert_rule_engine.py` — `validate_kubectl_command()` 阻擋 delete pvc/namespace/drain/replicas=0/rm-rf/DROP TABLE/$() 注入，整合進 `match_rule()`
- `test_alert_rule_engine_validation.py` — 34 新測試（776 通過，0 失敗）

**待完成（剩餘工作清單）**：

| 項目 | 類型 | 狀態 |
|------|------|------|
| Task 3.3: SSH 修復 KM 萃取（playbook_service.py）| 代碼 | 待辦 |
| `docs/reference/ALERT-TAXONOMY-CATALOG.md` | 文件 | 待辦 |
| `docs/ai/AI-MODEL-CARDS.md` | 文件 | 待辦 |
| `docs/templates/POSTMORTEM-TEMPLATE.md` | 文件 | 待辦 |
| `docs/operations/ON-CALL-HANDBOOK.md` | 文件 | 待辦 |
| CD 部署 cc42aa0 驗證 | E2E | 觀察中 |
| 首次日度報告（08:00 台北）| E2E | 等待中 |

---

## 📍 前次狀態 (2026-04-14 — P0 文件補建完成，護城河已部署 e778e4d ✅)

**本次 session 新增（2 份 P0 業界標準文件）**：
- `docs/slo/SLO-SLI-DEFINITION.md` — 5 個 SLI + SLO 目標值表 + Error Budget 規則 + 里程碑
- `docs/operations/HUMAN-IN-THE-LOOP.md` — 9 種觸發條件 + Kill Switch + Fail-safe 逾時行為 + SOP

**護城河狀態**：量尺（SLO）+ 煞車（HITL）均已就位，配合 684d6cf 的聚合/重試/報告代碼

**觀察中**：等明日 08:00 台北時間日度報告推送，驗證 684d6cf E2E

**下一步**（優先級順序）：
1. 等 CD 部署並觀察 E2E
2. Task 2.2：alert_rules.yaml 補 3 類規則（storage/devops_tool/external_site）
3. Task 2.3：alert_rule_engine.py kubectl 注入防護
4. Task 3.3：SSH 修復 KM 萃取

---

## 📍 前次狀態 (2026-04-14 — 戰術 B 四大 Task 全部完成，675 tests ✅)

**本次 session 新增（4 Task，6 檔案，75 新測試）**：
- `feat(adr-076): Task 2` — `alert_grouping_service.py` — 5分鐘滑動視窗告警聚合引擎 + 16 tests
- `feat(adr-076): Task 3` — `approval_execution.py` — 執行失敗重試（MAX_RETRY=2, 30s, 瞬態/永久分類）+ 29 tests
- `feat(adr-076): Task 4` — `report_generation_service.py` — 日度巡檢報告(08:00台北) + Postmortem + 30 tests
- `webhooks.py` — ADR-076 聚合邏輯整合（指紋後/LLM前）
- `main.py` — 日度報告迴圈掛進 lifespan

**測試**: 600 → 675 通過（+75），10 skipped，0 failed

**下一步**：git push gitea main → Pod 部署驗證 → 觀察 E2E

---

## 📍 前次狀態 (2026-04-14 — MASTER AIOps Blueprint 完成，等待統帥批准)

**本次 session 新增（無 commit，純文件工作）**：
- `docs/superpowers/plans/2026-04-14-MASTER-aiops-full-automation-blueprint.md` — 整合4份計畫文件的主計畫書 v1.0
- Memory: `aiops_current_architecture_diagnosis.md` — 完整架構診斷報告

**飛輪現況**: Pod 38ff2bb，飛輪 83% 完整，4 Phase 等待批准後實作

**業界標準文件缺口**（已識別，尚未建立）：SLO/SLI、AI Model Card、Human-in-Loop Spec、Alert Taxonomy Catalog、Configuration Reference

**下一步**：等統帥批准 MASTER 計畫書後，開始 Phase 1 實作

---

## 📍 前次狀態 (2026-04-14 — 飛輪 Bug 修補完成，全面部署 38ff2bb ✅)

**本次 session 修補（6 commits，全已部署，Pod 跑 38ff2bb）**：
- `38ff2bb` heartbeat → ADR-075 TYPE-1 格式（INFO 樹狀結構）
- `f1face4` HostHighCpuLoad 獨立規則 → NO_ACTION（停止 kubectl scale unknown）
- `1a4b52e` fingerprint 加 alertname 防跨告警指紋衝突 + 心跳分類補入
- `b17a677` gitea webhook analysis.model_dump() dict bug
- `0c88f67` DIAGNOSE 強制 deepseek-r1:14b（不用 gemma3:4b）
- `09134f5` incident.title bug + DIAGNOSE→NEMOTRON confidence=0.0 修復

**飛輪狀態**：規格書層次一二三四全完成，ADR-075 全完成，本次額外修補已補齊

**下一步**：觀察自動修復 E2E，或繼續 ADR-075 Phase 3（Prometheus 規則）

---

## 📍 前次狀態 (2026-04-12 深夜 — ADR-075 Phase 1+2+CR 全完成，git push gitea main ✅)

**ADR-075 全部完成**（3 commits: 2cef209 → 561c1d8 → 1cb654c）：

Phase 1（4 斷點修復）：
- ✅ 斷點 A: decision_manager 提取 alert_category → send_approval_card
- ✅ 斷點 B: send_approval_card 新增參數 → _build_inline_keyboard
- ✅ 斷點 C: 互動型通知(TYPE-3/4/4D/8M)禁止發 SRE 群組
- ✅ 斷點 D: k8s_workload → kubernetes + 6 新類按鈕組
- ✅ classify_alert_early: 13 條規則，7 新分類，52 tests

Phase 2（TYPE-8M）：
- ✅ send_meta_alert() ⚙️ META SYSTEM 卡片
- ✅ decision_manager TYPE-8M elif 分支

CR 修補：
- ✅ P0-2: NotificationType.TYPE_8M 加入 enum + classify_notification 早期回傳
- ✅ P1-1: 移除 _CATEGORY_BUTTONS 死碼
- ✅ P1-4: 測試 docstring 更新 13 條規則
- 664 tests all pass

**下一步**：ADR-075 Phase 3（Prometheus 規則），或評估下一個 ADR

---

## 📍 前次狀態 (2026-04-12 — 層次三+四全部完成，CD 推送中)

**系統狀態**: ADR-073 Phase 1-4 ✅ | ADR-074 M1-M5 ✅ | ADR-073-C C1-C4 ✅ | git push gitea main ✅

**Phase 1 完成清單**:
- ✅ 1-1~1-3: Harbor 確認 + kustomization→105998d + ArgoCD sync
- ✅ 1-4: Pod image 105998d 已驗證
- ✅ 1-5: `_collect_mcp_context` 存在 Pod
- ✅ 1-6: debounce 5→30 min
- ✅ 1-7: alertname NULL 根因修復（signals JSONB alias）
- ✅ 1-8: cold_start_playbooks.py — Playbooks 0→15
- ✅ 1-9: batch_vectorize_km.py — 711/713 KM 向量化

**架構修復**:
- ArgoCD ignoreDifferences 移除（image 更新路徑修通）
- B5 CI break-glass（TODO 2026-04-13 恢復）

**Phase 2 完成清單**:
- ✅ 2-1: DB Migration — alertname column 新增 (已在 Pod 執行)
- ✅ 2-2: classify_alert_early() — 6 條規則 config_drift/info/backup/infra/k8s/db/general
- ✅ 2-3: _try_auto_repair_background() outcome 寫入點
- ✅ 2-4: create_incident_for_approval() notification_type/alert_category 寫入
- ✅ 2-5: 134 筆 alertname NULL → 0 回填完成

**下一步**: Phase 3（Tier 3 — 首席架構師授權後執行）

---

## 里程碑摘要（壓縮版）

| 日期 | 里程碑 | commit |
|------|--------|--------|
| 2026-04-08 | Sprint 5.1 資料安全護欄完成（Guardrail BLOCK/HITL/MultiSig）| 88696db/0f5fecf |
| 2026-04-10 | ADR-068 飛輪閉環 E2E 驗收（HostHighCpuLoad→PB-20260406）| — |
| 2026-04-10 | ADR-067 五大 Ollama 應用全完成（Phase 30-34）| — |
| 2026-04-10 | B5 CI 整合測試 640 通過 | — |
| 2026-04-11 | ADR-070 全自動 AIOps 閉環（MCP 10 providers）| a2cc985 |
| 2026-04-11 | ADR-071 A-J Telegram 通知卡片 10 種 | 1ec1965 |
| 2026-04-11 | ADR-072 Bug 修復 P0-P2 全完成 | f34fe19 |
| 2026-04-11 | MCP Security Code Review P0/P1/P2 全修補 | f323633 |
| 2026-04-11 | ADR-069 基礎設施重建 Sprint A/B/C 全完成 | — |
| 2026-04-11 | D1 models.json v1.3.0（9 purpose keys）| f2c18c4 |
| 2026-04-11 | M3 alertname_to_type 抽至 constants | 1ede9f9 |
| 2026-04-11 | I1 ADR-064 Rule Engine get_incident_type() 整合 | 615822d |
| 2026-04-11 | ArgoCD MCP 連線修復（IP 120:30443）| f23176c |
| 2026-04-11 | 首席架構師 CR Round 1 — get_incident_type rule.id bug + 11 tests | d77b2ad |
| 2026-04-11 | ADR-070 全自動化三大修復（auto_approve/MCP context/target）| c439277 |
| 2026-04-11 | 首席架構師 CR Round 2 — Tier 3 ternary/timeout/DESTRUCTIVE_PATTERNS + 25 tests | 8be87b0 |
| 2026-04-12 | SSH MCP 188/110 連通驗證，authorized_keys 確認 | 796517f |
| 2026-04-12 | fix(test): integration 測試排除（pytest addopts），618 單元測試全通過 | 6e0ee8b |
| 2026-04-12 | refactor: I2 DI 化 MCP Providers + config list bug + model_regression integration | 184b37a/a67a27f |
| 2026-04-12 | docs(spec): AIOps 飛輪全面修復整合規格書 v1.0（四層方案+監控缺口+ADR-074）| 77771c1 |
| 2026-04-12 | docs(adr): ADR-073 補充 ADR-071 整合工作序 + ADR-074 Sprint | f2b427d |
| 2026-04-12 | docs(spec): v2.2 §15 Subsystem 1 四階段路線圖（截圖定案）| d3ddaaf |
| 2026-04-12 | docs(spec): 規格書 v2.0 — 四階段細化實施步驟 + 防偏差守則（等待批准）| — |
| 2026-04-12 | fix(flywheel): Phase 1 — kustomization→8be87b0 + debounce 30min + alertname NULL | 7c4b36c |
| 2026-04-12 | fix(ci): Break-Glass — B5 flaky PG test bypass，解封 P0 飛輪部署 | 105998d |
| 2026-04-12 | fix(argocd): 移除 ignoreDifferences image，修復 GitOps image 更新斷路 | — |
| 2026-04-12 | feat(flywheel): Phase 1 完成 — 15 Playbooks 冷啟動 ✅ | 711/713 KM 向量化 ✅ |
| 2026-04-12 | feat(flywheel): Phase 2 完成 — classify_alert_early + outcome寫入 + 134筆回填 | 54efa30/97fc49a |
| 2026-04-12 | feat(flywheel): Phase 3 完成 — Tier 3 七大修復 (首席架構師授權) | dbc77c5 |
| 2026-04-12 | feat(flywheel): Phase 4 完成 — KM conversion hook + daily vectorize cron | f2fc471 |
| 2026-04-12 | feat(adr-074): M1 飛輪 Prometheus Exporter + M2 主機網路監控 | 16d6823 |
| 2026-04-12 | fix(cr): ADR-073 CR P0/P1/P2 全修補 + B5 CI 0收集修復 | e770813/c09521a |
| 2026-04-12 | feat(m3-m5): ADR-074 M3 CI Webhook + M4 備份驗證 + M5 詳細告警 | 3489e05~ec6a341 |
| 2026-04-12 | feat(c2-c4): ADR-073-C 前端飛輪 KPI+WebSocket+介入路徑視覺化 | 4b51f9b~9b1812c |

---

## ADR-073 飛輪完整盤點（2026-04-12）

| 項目 | 發現 |
|------|------|
| Playbooks | **0** — 飛輪從未冷啟動 |
| EXECUTION_SUCCESS | **2/380（0.5%）** — 自動修復幾乎從未成功 |
| KM vectorized | **全部 False（699 筆）** — RAG 無法查詢歷史案例 |
| alertname in DB | **全部 NULL** — signals JSONB 結構問題 |
| debounce window | **5 分鐘**（應 30 分鐘）— 同一問題反覆重建 Incident |
| 8be87b0 部署 | ❌ CD 失敗未上線 — 三大修復未生效 |
| ADR-073 | 已寫入 `docs/adr/ADR-073-flywheel-full-audit.md`，等待統帥批准後實作 |

---

## 2026-04-15 深夜 — P0 告警靜默根治 + Phase 6 自我治理閉環收官

### P0 告警靜默 RCA

| 根因 | 影響 | commit |
|------|------|--------|
| `approval_db.py` PENDING 無 TTL（殭屍記錄 hit_count=77/30/17） | Telegram 完全靜默 | fab65e7 |
| `create_approval_with_fingerprint()` expires_at=NULL | 自動過期邏輯形同虛設 | f31b4e3 |
| `openclaw.py:897` DIAGNOSE require_local=True（v4.3 未同步）| 所有 DIAGNOSE privacy_skip 無聲失敗 | 3ce5025 |

緊急處置：kubectl 直接過期 7 筆殭屍 ApprovalRecord

### P2 飛輪斷鏈 + asyncpg CrashLoop 修復

| 修復 | commit |
|------|--------|
| `approval_timeout_resolver.py` 新建：逾期 PENDING → EXPIRED + resolve_incident | f045506 |
| `anomaly_counter.py` + `incident_service.py`：timeout_ignored disposition | f045506 |
| `db/base.py` asyncpg 多指令 CREATE INDEX 拆分 | f9ba200 |

### Phase 6 自我治理閉環 — 全部完成

| 元件 | 檔案 |
|------|------|
| AI SLO 計算器 | `services/ai_slo_calculator.py` |
| Trust Drift 偵測器 | `services/trust_drift_detector.py` |
| KB Rot 清理 Job | `jobs/kb_rot_cleaner.py` |
| 自我降級引擎 | `services/decision_manager.py` |
| SLO REST API | `api/v1/ai_slo.py`（GET /api/v1/ai/slo） |
| DB 表 + Migration | `db/models.py` AiGovernanceEvent + 3 index |

附帶修復：心跳停用（已轉發另一群組）、ai_router.py 通知改 ADR-075 格式

**下一步：** `send_notification` 私有化（封死 raw text bypass）

---

## 已知技術債（下 Sprint 評估）

| 項目 | 說明 |
|------|------|
| NetworkPolicy ClusterIP 10.43.16.201/32 | ArgoCD 重裝需更新 |
| `_collect_mcp_context` Provider 直接實例化 | ✅ 已 DI 化（I2）184b37a |
| B3 Phase 15.5 Trace Context UI | 統帥裁示暫緩 |
| A-3 bitan Docker 化 | P3 低優先 |
| `approval_repository.py:find_by_fingerprint()` 無 TTL | 非熱路徑，latent bug，下次重構修 |
| `send_notification()` 未私有化 | 任何 caller 可 bypass 格式 — 下次 PR |

---

## 2026-04-15 深夜（台北）— Phase 3 學習閉環全部落地

### Phase 3 Root Cause 修復完成

| 修復 | commit |
|------|--------|
| Root cause 3：驗證結果→學習 + 診斷 feedback + 知識遺忘 + Fine-tune 管線 | fb1bbd0 |
| AgentSession 學習接線：record_agent_session() + orchestrator 辯證訊號 | 66c4eda |
| Evolver loop 排程 + POST /api/v1/learning/evolver/run 演練端點 | 4718c76 |
| Evolver force=True bypass flag + import 清理 | 01fb531 e5e94f5 |

### Phase 3 全部新增元件

| 元件 | 檔案 |
|------|------|
| Root cause 3 接線 | `services/approval_execution.py` → `record_verification_result()` |
| 驗證/診斷/AgentSession 學習 | `services/learning_service.py` 三個新方法 |
| 知識遺忘 Job | `jobs/knowledge_decay_job.py`（每日 30d 清除） |
| Fine-tune 管線 | `services/finetune_exporter.py`（每週 Alpaca JSONL） |
| Evolver 每日 Loop | `services/playbook_evolver.py:run_evolver_loop()` |
| Evolver 演練端點 | `api/v1/learning.py:POST /learning/evolver/run` |

### Phase 3 退出條件

- [x] Root cause 1/2/3 全部修復
- [x] 2x EWMA + Evolver + 診斷 feedback
- [x] AgentSession 學習接線
- [x] 知識遺忘 + Fine-tune 管線
- [x] Evolver 演練端點部署完成
- [x] Evolver 演練 1 次成功（HTTP 200 errors:[] ✅ 2026-04-15 21:20 台北）
- [ ] 生產 7 天監控（trust_score 更新、JSONL 累積、null 率）

**下一步：** 7 天生產觀察 Phase 3 退出條件（2026-04-22 檢查點）