同步四 Agent AI 自動化治理紀錄

docs/adr/ADR-012-agent-action-ladder.md

@@ -3,7 +3,7 @@
 - **Status**: Accepted
 - **Date**: 2026-04-19
 - **Deciders**: 統帥
-- **Related**: ADR-001（三 Agent 分工）, ADR-004（NemoTron Fallback）, ADR-007（AI Dual-Write）, ADR-011（跨專案隔離）
+- **Related**: ADR-001（三 Agent 分工）, ADR-004（NemoTron Fallback）, ADR-007（AI Dual-Write）, ADR-011（跨專案隔離）, ADR-018（四 AI Agent 自動化控制面）
 
 ## Context
 
@@ -25,7 +25,7 @@ P2/P3 Inline Keyboard 降價決策上線後，統帥希望進一步讓 AI Agent
 | **L0 Direct** | — | 模板直出 | — | 永遠可用（保底） |
 | **L1 Observer** | Hermes | 翻譯 stack trace、摘要、風險等級標註 | 寫任何資料 / 呼叫外部 API | → L0 + 🟡 標記 |
 | **L2 Investigator** | NemoTron | 寫 `ai_insights`、執行 **5+3 個安全 tool**、發 Telegram | 動 prod 資料表 / 容器 / 外部系統 | → Hermes 規則引擎（ADR-004）|
-| **L3 Operator** | OpenClaw | 提方案 + HITL 按鈕 → 人批准後執行任意動作 | 無 HITL 批准前執行 | → 人工 SOP（寄信通知）|
+| **L3 Operator** | OpenClaw / ElephantAlpha | OpenClaw 提策略方案；ElephantAlpha 做 orchestration + HITL + AutoHeal bridge | 無 HITL 批准前執行高風險動作；不可繞過 ADR-011/013 | → 人工 SOP（寄信通知）|
 
 ### ② 安全 Action 白名單（L2 NemoTron 可用）
 
@@ -41,6 +41,11 @@ P2/P3 Inline Keyboard 降價決策上線後，統帥希望進一步讓 AI Agent
 - `query_km(query, limit=5)` — RAG 檢索歷史同類事件
 - `silence_alert(event_key, duration_min=60)` — 靜音抑制，避免告警風暴
 
+**2026-04-29 實作狀態：**
+- `flag_for_human_review`、`route_to_km`、`mark_for_relearn` 已從 stub 改為 OpenClaw memory 寫入，並保留 audit trail。
+- EventRouter 僅會執行 `SAFE_ACTIONS`，且需 action plan 明確 `auto_execute` 或 `dispatch_to=safe_action`。
+- Telegram 發送失敗會寫入 file queue，後續成功送出時 replay。
+
 ### ③ EventRouter 分類規則
 
 單一入口 `services/event_router.py::dispatch(event)`，依 `severity × event_type` 決定 Tier：
@@ -134,9 +139,17 @@ L1 Hermes 掛  → L0 模板直出 + 🟡 「AI 分析暫不可用」
 - **Phase 4**：依需求擴 L3 HITL 按鈕
 - **Phase 5**：Prometheus metric 接入（`agent_action_total{tier,agent,event_type}`、`agent_latency_seconds`）
 
+## 2026-04-29 Implementation Update
+
+- Phase 1~3 核心已落地：EventRouter 分流、L2 safe action、NemoTron fallback、OpenClaw memory 寫入與通知 replay 已具測試覆蓋。
+- L3 已擴展為 OpenClaw + ElephantAlpha：OpenClaw 負責策略/記憶，ElephantAlpha 負責 orchestration/HITL/AutoHeal bridge。
+- 尚未完成：Prometheus metrics 與完整線上 smoke dashboard。
+
 ## References
 - `services/event_router.py` — 分流入口（Phase 1）
 - `services/agent_actions.py` — 安全 action 白名單（Phase 1）
 - `services/telegram_templates.py::triaged_alert()` — L1/L2 訊息格式（Phase 1）
 - `docs/guides/codex_agent_roles.md` — Codex 化角色矩陣與派工規則
+- `docs/guides/ai_automation_session_sop.md` — AI 自動化 session 與收尾 SOP
 - `docs/memory/history_logs.md` — Agent 事件與 Telegram 相關歷史脈絡
+- `docs/memory/ai_automation_closure_20260429.md` — 2026-04-29 AI 自動化閉環修復實況

docs/adr/ADR-013-aiops-autoheal.md

@@ -43,7 +43,9 @@ Exception → Incident(DB) → PlayBook 匹配 → Auto-Heal 執行 → HealLog(
 
 ### 安全設計
 
-- SSH 指令白名單：僅允許 `docker restart *`, `docker compose restart *`, `docker start *`
+- SSH 指令白名單：2026-04-29 起僅允許明確列入 allowlist 的 read-only 診斷指令；高副作用容器操作需走受控 PlayBook 與保護清單
+- `momo-db` / `momo-postgres` 永遠是 protected resource，不得被自動 restart / stop / recreate
+- DB / DNS 類離線 playbook 若無法安全修復，降級為 `ALERT_ONLY` 或 `WAIT_RETRY`
 - 冷卻機制：同 PlayBook 在 `cooldown_min` 內不重複觸發
 - 升級機制：達到 `max_retries` 後 incident.status = `escalated` 並通知人工
 
@@ -98,6 +100,15 @@ result=success duration=3110ms  # DNS_FAIL → docker restart momo-db 成功
 
 heal_log 在 restart momo-db 後因 DB 瞬斷無法寫入 DB（id=7~9 遺失）屬設計邊界，Telegram 通知仍正常推播。
 
+### 2026-04-29 安全修訂
+
+上述 `DNS_FAIL → docker restart momo-db` 屬早期實測紀錄，現在不再允許作為自動修復策略。最新規則：
+
+- `momo-db` / `momo-postgres` 是資料層 protected resource。
+- AutoHeal 寫 DB 失敗時不可讓自癒流程 crash，需保留 Telegram / log / fallback 記錄。
+- `CODE_FIX`、resource action 與 ElephantAlpha orchestration 必須橋接 AutoHeal，不得直接執行危險副作用。
+- raw `ai_insights` 寫入後必須 enqueue embedding，讓自癒知識進入 RAG。
+
 ### 新增 DB 表
 
 - `migrations/014_telegram_users.sql` — EventRouter 推播對象（替代 .env 硬編碼）

docs/adr/ADR-018-four-agent-ai-automation-control-plane.md

@@ -0,0 +1,86 @@
+# ADR-018: 四 AI Agent 自動化控制面（Hermes / NemoTron / OpenClaw / ElephantAlpha）
+
+- **Status**: Accepted
+- **Date**: 2026-04-29
+- **Deciders**: 統帥
+- **Related**: ADR-001, ADR-004, ADR-007, ADR-009, ADR-011, ADR-012, ADR-013
+
+## Context
+
+ADR-001 定義 Hermes / NemoTron / OpenClaw 三 Agent 自主學習分工，ADR-012 定義事件介入的 L0/L1/L2/L3 信任邊界，ADR-013 定義 AIOps 自癒閉環。
+
+2026-04-29 的 AI 自動化盤點與修復後，系統實作已超出原本三 Agent 學習分工：
+
+- `services/event_router.py` 已成為告警、降級、去重、通知重放與安全 L2 action 的共同入口。
+- `services/auto_heal_service.py` 已承擔 incident / playbook / heal log / KM 沉澱的自癒閉環，但必須保護 `momo-db`。
+- `services/openclaw_learning_service.py` 已成為 raw `ai_insights` 寫入與 embedding queue 的橋接層。
+- `services/elephant_alpha_autonomous_engine.py` 已接入 HITL、AutoHeal bridge、Telegram 通知與受控 SSH log scan。
+
+因此需要把 ElephantAlpha 正式納入 MOMO PRO / EwoooC 的 AI 自動化控制面，避免文件仍停留在三 Agent 舊模型。
+
+## Decision
+
+採用「四 AI Agent + EventRouter + AutoHeal」控制面：
+
+| 角色 | 層級 | 主要責任 | 不可越界 |
+|---|---|---|---|
+| Hermes | L1 Observer / Embedding | 摘要、規則降級、embedding、品質分數、RAG 輔助 | 不直接做外部副作用，不生成最終策略報告 |
+| NemoTron | L2 Investigator | tool calling、事件路由、低風險安全 action、DB/KM 寫入派發 | 不動 prod 容器與外部系統，不做不可逆操作 |
+| OpenClaw | L3 Strategist | 高品質策略、報告、長期洞察、人工核准後的高風險建議 | 無 HITL 不直接執行高風險動作 |
+| ElephantAlpha | L3 Orchestrator | 跨 Agent 編排、HITL 決策、AutoHeal bridge、受控執行計畫 | 不繞過 EventRouter / AutoHeal / ADR-011 邊界 |
+
+控制面規則：
+
+1. EventRouter 是告警與 L2 action 的唯一入口；通知鏈不可因 AI 失敗中斷。
+2. AutoHeal 是自癒副作用的唯一入口；`momo-db` / `momo-postgres` 永遠不得被自動 restart / stop / recreate。
+3. OpenClaw learning 是 AI 記憶落點；raw `ai_insights` 寫入者必須同步 enqueue embedding 或具備可回補機制。
+4. ElephantAlpha 只能編排與橋接，不可直接跳過 HITL、安全白名單或跨專案隔離規則。
+5. L2 安全 action 只允許保守、可審計、可回放的動作，例如 `retry_task`、`query_km`、`silence_alert`、`flag_for_human_review`、`route_to_km`、`mark_for_relearn`。
+
+## Alternatives Considered
+
+| 方案 | 不採用原因 |
+|---|---|
+| 維持 ADR-001 三 Agent 模型 | 無法解釋 ElephantAlpha 的 orchestration / HITL / AutoHeal bridge 實況 |
+| 讓 ElephantAlpha 取代 OpenClaw | 會混淆策略報告與執行編排責任，成本與風險邊界不清 |
+| 讓 NemoTron 直接執行所有自癒 | L2 不應具備高副作用權限，與 ADR-012 信任邊界衝突 |
+| 導入外部 Agent framework | 黑盒程度高，難審計，不符合本專案 FinOps 與安全透明原則 |
+
+## Consequences
+
+正面：
+
+- 四個 AI Agent 都有明確位置，避免重疊工作與越權。
+- 告警、自癒、通知、記憶沉澱形成可測試閉環。
+- NemoTron / OpenClaw / ElephantAlpha 失敗時仍可降級到 Hermes / L0 模板。
+- AI 記憶不再只依賴單一路徑，raw insert 也能排入 embedding queue。
+
+風險與約束：
+
+- 文件與實作必須同步維護，否則新 session 容易回到三 Agent 舊心智模型。
+- ElephantAlpha 的「編排」很容易被誤解成「全權執行」，所有 bridge 必須走既有安全入口。
+- AutoHeal 若找不到 DB 或 PlayBook，必須安全降級為 alert / file / log，不可因記錄失敗而中斷通知。
+
+## Implementation Notes
+
+2026-04-29 已落地的關鍵 commit：
+
+- `779b27f` 修復 P0 告警自癒鏈與測試收集
+- `0875dd8` 補強 5.5 自癒安全回看
+- `1c2dc6c` 補強 AI 自動化閉環與安全降級
+- `f0e044a` 補齊自癒稽核與 OpenClaw 記憶閉環
+- `0c2e9bb` 串接 AI 洞察向量化與漏通知入口
+- `78eebfb` 加入告警去重與洞察向量回補
+- `d486598` 補強 ElephantAlpha 執行與通知閉環
+- `5b25f55` 補齊 EventRouter 失敗通知回放
+- `162a76b` 落地 L2 安全記憶動作
+
+## References
+
+- `docs/AI_INTELLIGENCE_MODULE_SOT.md`
+- `docs/memory/ai_automation_closure_20260429.md`
+- `docs/guides/ai_automation_session_sop.md`
+- `services/event_router.py`
+- `services/auto_heal_service.py`
+- `services/openclaw_learning_service.py`
+- `services/elephant_alpha_autonomous_engine.py`

docs/adr/README.md

@@ -39,6 +39,7 @@
 | [015](ADR-015-telegram-bot-menu-restoration.md) | Telegram Bot 完整菜單系統恢復 | Accepted | 2026-04-20 |
 | [016](ADR-016-daily-sales-cache-fingerprint.md) | daily_sales cache fingerprint（gunicorn 多 worker 一致性） | Accepted | 2026-04-29 |
 | [017](ADR-017-modularization-cleanup-roadmap.md) | 模組化收尾路線圖（Phase 3f） | Accepted | 2026-04-29 |
+| [018](ADR-018-four-agent-ai-automation-control-plane.md) | 四 AI Agent 自動化控制面（Hermes/NemoTron/OpenClaw/ElephantAlpha） | Accepted | 2026-04-29 |
 
 ## 規範