# ADR-083: 學習閉環重建與 Playbook 演化

**狀態**: Completed  
**日期**: 2026-04-15  
**作者**: ogt + Claude Sonnet 4.6（亞太）  
**Phase**: Phase 3  

---

## 背景

Phase 2（ADR-082）完成後，AWOOOI AIOps 系統進入 Phase 3。
根據 MASTER v2 架構診斷，L7 學習層有三個核彈級根因導致 Playbook 信任度**永遠停在初始值 0.3**：

1. **fire-and-forget**：`approval_execution._trigger_learning()` 以 `asyncio.create_task()` 呼叫，主流程不等待，GC 可能在學習完成前回收協程。
2. **matched_playbook_id 永 null**：`decision_manager._auto_execute` 建立 `ApprovalRequest` 時從未填充 `matched_playbook_id`，導致 `learning_service._update_playbook_stats` 的 `if _matched_pb_id:` 條件永遠為 False。
3. **無負向強化**：`playbook_repository.update_stats` 只遞增 `success_count / failure_count`，無 EWMA 動態信任度計算。

## 決策

### D1: fire-and-forget → await asyncio.wait_for

```python
# 舊（火烤）
asyncio.create_task(self._trigger_learning(...))

# 新（Phase 3）
try:
    await asyncio.wait_for(self._trigger_learning(...), timeout=30.0)
except asyncio.TimeoutError:
    logger.warning("learning_trigger_timeout", ...)
```

- 超時 30s → 記錄 metric，主流程繼續（不 crash）
- 成功路徑 + 失敗路徑各修一處

### D2: matched_playbook_id 傳遞

```python
# ApprovalRequestBase 新增欄位
matched_playbook_id: str | None = Field(default=None)

# decision_manager._auto_execute 填充
_matched_playbook_id = token.proposal_data.get("playbook_id")
approval = ApprovalRequest(..., matched_playbook_id=_matched_playbook_id)

# learning_service 雙路徑查找
_matched_pb_id = (
    getattr(approval, "matched_playbook_id", None)
    or (approval.metadata or {}).get("matched_playbook_id")
    or (approval.metadata or {}).get("playbook_id")
)
```

### D3: 2x EWMA 負向強化

```
Playbook.trust_score 初值 = 0.3（新增欄位）

成功: trust_new = 0.9 × trust_old + 0.1 × 1.0
失敗: trust_new = 0.8 × trust_old + 0.2 × 0.0  ← 衰減係數 2x 快
```

trust < 0.1 → 記錄警告，由 Evolver Agent 封存

### D4: Evolver Agent（playbook_evolver.py）

三功能全靜態規則（不依賴 LLM）：
1. **低信任封存**：trust_score < 0.1 → DEPRECATED
2. **休眠封存**：30d 未使用 AND trust < 0.5 → DEPRECATED
3. **相似合併**：症狀 Jaccard > 0.9 → 保留高 trust，封存低 trust

Feature flag：`AIOPS_P3_EVOLVER_ENABLED=False`（預設關閉）

## 後果

**正面**：
- 學習閉環首次真正打通（第 9 節點觸發率 0% → 接近 100%）
- Playbook 信任度動態更新，失敗者加速退場
- Evolver 防止 Playbook 重複萃取膨脹

**限制**：
- 人工審核路徑的 `matched_playbook_id` 傳遞仍依賴 `metadata` fallback（完整修復需改 approval DB schema，留 Phase 3.5）
- Evolver 使用 Jaccard（非 cosine）相似度，向量化合併留 Phase 4
- `AIOPS_P3_ENABLED = False` 預設值 — 學習呼叫仍執行，但 EWMA 計算不依賴此開關（直接在 repository 層）

## 驗收條件

- `matched_playbook_id` null 率 = 0（auto_execute 路徑）
- Playbook trust_score 隨每次執行更新（可由 `playbook_stats_updated` log 驗證）
- 學習超時 → `learning_trigger_timeout` log 出現（不 crash）
- Evolver `run_evolver()` 空跑無 exception