fix(critic-h2-h4): proactive_inspector metric 改名 + probe_success fallback

H2 — metric semantic 切換污染 baseline:
- cpu_usage_awoooi_api → cpu_usage_node_188
- memory_usage_awoooi_api → memory_usage_node_188
原 metric_name 對應 container working set，新 PromQL 改為 node-level ratio
（cadvisor 停止後的替代）。語意完全不同但保留同名 → 既有 DynamicBaseline
模型用舊單位訓練的 σ 對新值失真，5 分鐘 inspector 週期會狂報假 anomaly。
改名後 baseline 從零學習，初期 sample 數不足會被 _has_enough_samples 守門
跳過告警，安全度過 30 個週期暖機期。

H4 — probe_success 全部不可達假觸發:
- 1 - avg(probe_success)
+ 1 - avg(probe_success or on() vector(1))
原 expr 在 Blackbox 全部 target 失聯時 avg 回空 vector → _fetch_current_value
若把空當 0 → 1-0=1 遠超 0.05 threshold → 5min 一次假告警。
fallback 視為全部成功（值=1，1-1=0），真實 probe down 由獨立的
BlackboxProbeFailure rule 偵測，責任分離。

部署後驗證:
- baseline 表新增 metric_name='memory_usage_node_188' / 'cpu_usage_node_188' 的 row
- 舊 metric_name='memory_usage_awoooi_api' / 'cpu_usage_awoooi_api' 的 row 30 天後可清理
- proactive_inspection_logs 30 個週期內看 _baseline_warmup_skipped 條目而非假 anomaly

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

apps/api/src/services/proactive_inspector.py

@@ -46,32 +46,41 @@ K8S_NAMESPACE = "awoooi-prod"
 # - http_error_rate: Prometheus 實測確認 metric 名稱為 probe_success（非 blackbox_probe_success）
 # - cpu_usage_awoooi_api: cadvisor up=0（停止），改用 node-exporter node_cpu_seconds_total（node level）
 # - memory_usage_awoooi_api: cadvisor 停止，改用 node-exporter 記憶體使用率比例（0-1 scale）
+# 2026-04-26 critic-H2/H4 hotfix by Claude Opus 4.7:
+# - cpu/memory metric 改名 _node_188 — 語意從 container 變 node，避免污染既有 baseline
+#   舊 baseline (container working set) 的數值範圍跟新 (node ratio) 完全不同，
+#   保留同名會造成 baseline 學到的 σ 完全失真，5 分鐘內狂報假 anomaly。
+# - http_error_rate 加 `or vector(1)` fallback：probe_success 全部不可達時不誤觸發
 MONITORED_METRICS: list[dict[str, Any]] = [
     {
         "name": "http_error_rate",
         # probe_success：Blackbox Exporter 實際 metric 名稱（非 blackbox_probe_success）
-        # 實測確認：curl 'http://192.168.0.188:9090/api/v1/query' --data-urlencode 'query=avg(probe_success)' → 0.944
-        "promql": '1 - avg(probe_success)',
+        # 2026-04-26 H4 hotfix: avg() 在所有 target 缺值時回空 vector，搭配 fallback `or vector(1)`
+        # 防 _fetch_current_value 把空當 0 → 1-0=1 → 5min 一次假告警洪水
+        # 語意：探測全失敗時 fallback=1（視為「全部成功」），避免假告警；真正 down 由 BlackboxProbeFailure 抓
+        "promql": '1 - avg(probe_success or on() vector(1))',
         "threshold": 0.05,   # > 5% probe 失敗 = 警戒
         "description": "HTTP Probe 失敗率（Blackbox Exporter）",
     },
     {
-        "name": "cpu_usage_awoooi_api",
+        # 2026-04-26 H2 hotfix: 改名 _node_188（原 _awoooi_api 語意是 container working set）
+        "name": "cpu_usage_node_188",
         # cadvisor up=0（prod-docker-188 離線），改用 node-exporter node-level CPU
         # 實測確認：avg(rate(node_cpu_seconds_total{mode!="idle"}[5m])) → 有資料
         # threshold 0.85 = 85% CPU 使用率（node level，0-1 比例）
         "promql": 'avg(rate(node_cpu_seconds_total{mode!="idle"}[5m]))',
         "threshold": 0.85,   # > 85% node CPU（所有 core 平均）
-        "description": "Node CPU 使用率（node-exporter，cadvisor 停止時替代）",
+        "description": "Node 188 CPU 使用率（node-exporter，cadvisor 停止時替代）",
     },
     {
-        "name": "memory_usage_awoooi_api",
+        # 2026-04-26 H2 hotfix: 改名 _node_188
+        "name": "memory_usage_node_188",
         # cadvisor 停止，改用 node-exporter 節點記憶體使用率比例（0-1）
         # 實測確認：188 機器 62.76 GiB，當前 ~30% 使用率
         # threshold 0.85 = 85% node memory usage
         "promql": '(node_memory_MemTotal_bytes - node_memory_MemAvailable_bytes) / node_memory_MemTotal_bytes',
         "threshold": 0.85,   # > 85% node memory（0-1 比例）
-        "description": "Node 記憶體使用率（node-exporter，cadvisor 停止時替代）",
+        "description": "Node 188 記憶體使用率（node-exporter，cadvisor 停止時替代）",
     },
     {
         "name": "pod_restart_rate",