feat(ai-ops): Agent Action Ladder 骨幹（ADR-012 Phase 1）+ 週報套模板

ADR-012 核心設計：
- 4 級信任邊界：L0 直出 / L1 Hermes 觀察 / L2 NemoTron 診斷執行 / L3 OpenClaw HITL
- 通知鏈絕不中斷：每級失敗立即降級，保底 L0 模板 + 🟡 標記
- Audit Trail：每次 dispatch 自動寫 ai_insights (insight_type=agent_action)
- 安全白名單：L2 可呼叫 6 個安全 action（retry/query_km/silence + 3 個既有 NemoTron tool）

新增檔案：
- services/event_router.py — 事件分流入口，按 severity × event_type 分 Tier
- services/agent_actions.py — 安全 action 白名單（Phase 1 stub + 完整介面）
- docs/adr/ADR-012-agent-action-ladder.md — 完整設計 + 分階段計畫

Phase 1 狀態：
- L0 直出完整可用 ✅
- L1 Hermes / L2 NemoTron 為 stub（Phase 2/3 填實作）
- Fallback 降級鏈已完整 ✅
- 靜音檢查（is_silenced）+ Audit Trail 已就緒 ✅

處理既有 TODO：
- services/openclaw_strategist_service.py::_notify_telegram_group()
  改用 telegram_templates.report() 統一週報格式

全景盤點（新 memory）：
- reference_telegram_endpoints_map.md — 21 個 Telegram 發送點
- feedback_agent_action_ladder.md — 操作規範
  （+ 既有 ADR-011 跨專案隔離規範一併生效）

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

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

@@ -0,0 +1,142 @@
+# ADR-012: Agent Action Ladder（AI Agent 事件介入與自動修復三級信任邊界）
+
+- **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）
+
+## Context
+
+P2/P3 Inline Keyboard 降價決策上線後，統帥希望進一步讓 AI Agent（Hermes / NemoTron / OpenClaw）**自動接手處理**系統事件，而非僅發送原始錯誤訊息給人工讀。
+
+但「AI 全自動執行」存在嚴重風險：
+1. AI 幻覺可能做出錯誤判斷（AI 下架正常商品、誤觸發降價）
+2. 不可逆操作（刪資料、重啟生產容器）一旦出錯災難級
+3. AI 服務本身可能掛掉（NIM quota / Ollama OOM），若無 fallback 會連帶阻斷通知
+
+## Decision
+
+### ① 三級信任邊界（Action Ladder）
+
+建立 **L0 直出 → L1 觀察 → L2 診斷 → L3 執行** 四級分流，每級限定能做的動作與失效行為：
+
+| Level | Agent | 能做什麼 | 不能做什麼 | 失效降級 |
+|-------|-------|---------|-----------|---------|
+| **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）|
+
+### ② 安全 Action 白名單（L2 NemoTron 可用）
+
+**已有（price_threat 流）：**
+- `trigger_price_alert(sku, data)` — 發價格告警
+- `add_to_recommendation(sku, reason)` — 加入推薦
+- `flag_for_human_review(sku, concern)` — 升級 L3 HITL
+- `route_to_km(sku, domain, summary)` — KM 歸檔
+- `mark_for_relearn(sku, reason)` — 標記重新訓練
+
+**本 ADR 新增（通用事件流）：**
+- `retry_task(task_name, max_attempts=3, backoff=60)` — 安全重試（exponential backoff）
+- `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
+
+### ③ EventRouter 分類規則
+
+單一入口 `services/event_router.py::dispatch(event)`，依 `severity × event_type` 決定 Tier：
+
+```
+event = {
+  "source": "Scheduler.AutoImport",     # 來源模組
+  "event_type": "db_connection_error",  # 事件類型（供 L2 matching）
+  "severity": "warning",                 # P0/alert, P1/alert, P2/warning, info, success
+  "title": "...", "summary": "...",
+  "trace": "...",                        # 可選
+  "payload": {...},                      # 結構化資料
+}
+```
+
+**分流邏輯：**
+- `severity=success|info` → L0 直出
+- `severity=warning` 且 `trace` 不存在 → L0（已結構化，不需 AI）
+- `severity=warning` 且 `trace` 存在 → L1（Hermes 翻譯）
+- `severity=alert(P1)` + 符合 L2 白名單 event_type → L2（NemoTron）
+- `severity=alert(P0)` → L2 + 人工標記（雙軌）
+- 複雜策略建議 / 週報 → L3 OpenClaw（P3 已實作）
+
+### ④ 訊息呈現格式（三層式）
+
+所有經 AI 加工的訊息**必須保留原始事實**，避免 AI 幻覺掩蓋真相：
+
+```
+⚠️ [EwoooC 警告] 自動匯入異常 (Level 1 · Hermes)
+🕐 ... 📦 Scheduler.AutoImport
+
+🤖 AI 摘要（Hermes v3）:
+資料庫暫時斷線，疑似容器間 DNS 波動。
+本週已發生 3 次，系統通常 2-5 分鐘自癒。
+
+📊 原始事實:
+• event_type: db_connection_error
+• 影響: 當日業績匯入延遲
+• 詳細 trace（末段）: ...
+
+🔧 AI 建議行動:
+• 等候自動重試
+• 30 分鐘仍失敗 → 檢查 momo-pro_default 網路
+```
+
+L2 流程另加 **🤖 AI 已執行動作** 區塊（retry_task / silence_alert 等）。
+
+### ⑤ Audit Trail（雙寫強制）
+
+每次 Agent 介入都要：
+1. 寫 `ai_insights` (`insight_type='agent_action'`, metadata 含 `tier`, `agent`, `action_taken`, `confidence`, `latency_ms`)
+2. Telegram 訊息末尾加隱藏式 `source_insight_id` 以便追蹤
+
+### ⑥ Fallback 降級鏈（SLA 保證）
+
+```
+L2 NemoTron 掛 → L1 Hermes（規則模式）→ L0 模板直出
+L1 Hermes 掛  → L0 模板直出 + 🟡 「AI 分析暫不可用」
+通知通道掛    → 本地 file queue 暫存（ADR-009 pattern）
+```
+
+**關鍵 SLA**：無論 AI 狀況，**通知鏈絕不中斷** — 這是 P0 底線。
+
+### ⑦ 成本配額（漏斗型，沿用 ADR-001）
+
+| Agent | 日呼叫上限 | 超額動作 |
+|-------|-----------|---------|
+| Hermes（本機 Ollama）| 無限制 | — |
+| NemoTron（NIM cloud） | 80 次/日（現值） | 走 Hermes 規則（ADR-004） |
+| OpenClaw（Gemini） | 依週期觸發 | 不適用（離線批次） |
+
+## Consequences
+
+**正面**
+- 通知從「原始 stack trace 直丟」升級到「AI 摘要 + 原始事實 + 建議行動」
+- 已知 known issue（如 DNS 暫斷）可由 NemoTron 自動重試，無需人工介入
+- 三級邊界清楚，審計可追溯（`ai_insights` 雙寫 + tier 標記）
+- AI 掛掉有完整降級鏈，通知鏈不會塌
+
+**負面 / 風險**
+- EventRouter 增加一個中間層，延遲 2-15s（依 Tier）
+- AI 成本上升（Hermes 本機還好，NIM quota 要盯）
+- 新增的 3 個 L2 tool 未實戰測試，前 2 週需觀察
+- 若 Hermes prompt 寫不好，AI 摘要可能誤導 → 每月檢視 `agent_action` insights 的 feedback_down
+
+## 實施計畫（階段性）
+
+- **Phase 1（本 ADR 同步提交）**：EventRouter 骨幹 + agent_actions stub + triaged_alert 模板
+- **Phase 2**：Hermes L1 接入 scheduler.run_auto_import_task + run_momo_task 兩個 exception
+- **Phase 3**：NemoTron 擴充 3 個新 tool (retry/query_km/silence)
+- **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`）
+
+## 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）
+- `memory/feedback_agent_action_ladder.md` — 操作規範
+- `memory/reference_telegram_endpoints_map.md` — 21 個發送點盤點

services/agent_actions.py

@@ -0,0 +1,175 @@
+"""
+Agent Action 白名單（ADR-012 Phase 1 骨幹）
+
+L2 NemoTron 可安全呼叫的動作集合。嚴格限制：
+- 只能寫 ai_insights 和發 Telegram
+- 不可動 prod 資料表 / 容器 / 外部系統
+- 所有 action 必須 dual-write 審計軌跡
+
+現階段為 **stub + 完整 interface**，供 event_router 串接。真實執行邏輯將於 Phase 3 填入。
+"""
+
+from __future__ import annotations
+
+import time
+from datetime import datetime, timedelta
+from typing import Any
+
+from services.logger_manager import SystemLogger
+
+sys_log = SystemLogger("AgentAction").get_logger()
+
+# 靜音表（記憶體快取，重啟後清空；Phase 3 可改 DB 持久化）
+_silence_table: dict[str, datetime] = {}
+
+
+def _audit(action: str, params: dict, result: dict, latency_ms: float) -> int | None:
+    """所有 action 統一審計入 ai_insights（ADR-007 Dual-Write）"""
+    try:
+        from services.openclaw_learning_service import store_insight
+        return store_insight(
+            insight_type="agent_action",
+            content=f"action={action} result={result.get('status', 'unknown')}",
+            period=datetime.now().strftime("%Y-%m-%d"),
+            metadata={
+                "action": action,
+                "params": params,
+                "result": result,
+                "latency_ms": latency_ms,
+                "ts": datetime.now().isoformat(),
+            },
+        )
+    except Exception as e:
+        sys_log.error(f"[AgentAction] audit 失敗 action={action}: {e}")
+        return None
+
+
+# =====================================================================
+# 🔁 retry_task — 安全重試（exponential backoff）
+# =====================================================================
+def retry_task(task_name: str, max_attempts: int = 3, backoff_sec: int = 60) -> dict:
+    """
+    安全重試一個 scheduler task。Phase 1 stub：只記錄，不真正重試。
+    Phase 3 將接入 scheduler.py 的 task dispatch。
+
+    限制：task_name 必須在白名單內（避免任意程式碼執行）
+    """
+    ALLOWED_TASKS = {
+        "run_auto_import_task", "run_momo_task", "run_edm_task",
+        "run_competitor_price_feeder_task", "run_backup_monitor_task",
+        "run_icaim_analysis_task",
+    }
+    t0 = time.time()
+    if task_name not in ALLOWED_TASKS:
+        result = {"status": "rejected", "reason": f"task '{task_name}' not in whitelist"}
+        _audit("retry_task", {"task_name": task_name}, result, (time.time() - t0) * 1000)
+        sys_log.warning(f"[AgentAction] retry_task 拒絕：{task_name} 不在白名單")
+        return result
+
+    # TODO Phase 3: 真實重試邏輯（呼叫 scheduler module 的 task function）
+    result = {
+        "status": "queued",
+        "task_name": task_name,
+        "max_attempts": max_attempts,
+        "backoff_sec": backoff_sec,
+        "note": "Phase 1 stub — 尚未真正重試，僅記錄意圖",
+    }
+    _audit("retry_task", {"task_name": task_name, "max_attempts": max_attempts},
+           result, (time.time() - t0) * 1000)
+    sys_log.info(f"[AgentAction] retry_task 已排隊（stub）: {task_name}")
+    return result
+
+
+# =====================================================================
+# 🔍 query_km — RAG 查詢歷史同類事件
+# =====================================================================
+def query_km(query: str, insight_type: str | None = None, limit: int = 5) -> dict:
+    """透過 openclaw_learning_service.build_rag_context 找歷史同類事件"""
+    t0 = time.time()
+    try:
+        from services.openclaw_learning_service import build_rag_context
+        context = build_rag_context(query=query, insight_type=insight_type)
+        result = {
+            "status": "ok",
+            "query": query,
+            "context_preview": (context or "")[:500],
+            "has_results": bool(context and context.strip()),
+        }
+    except Exception as e:
+        result = {"status": "error", "error": str(e)[:200]}
+        sys_log.error(f"[AgentAction] query_km 失敗: {e}")
+
+    _audit("query_km", {"query": query, "insight_type": insight_type, "limit": limit},
+           result, (time.time() - t0) * 1000)
+    return result
+
+
+# =====================================================================
+# 🔕 silence_alert — 靜音抑制（避免告警風暴）
+# =====================================================================
+def silence_alert(event_key: str, duration_min: int = 60) -> dict:
+    """
+    對特定 event_key 設定靜音期限。EventRouter 在 dispatch 前會先檢查。
+    event_key 建議格式："<source>:<event_type>"，例：
+    "Scheduler.AutoImport:db_connection_error"
+    """
+    t0 = time.time()
+    until = datetime.now() + timedelta(minutes=duration_min)
+    _silence_table[event_key] = until
+    result = {"status": "silenced", "event_key": event_key, "until": until.isoformat()}
+    _audit("silence_alert", {"event_key": event_key, "duration_min": duration_min},
+           result, (time.time() - t0) * 1000)
+    sys_log.info(f"[AgentAction] silence_alert: {event_key} → 靜音至 {until.strftime('%H:%M')}")
+    return result
+
+
+def is_silenced(event_key: str) -> bool:
+    """EventRouter 呼叫，判斷是否需略過此事件"""
+    until = _silence_table.get(event_key)
+    if until is None:
+        return False
+    if datetime.now() >= until:
+        _silence_table.pop(event_key, None)
+        return False
+    return True
+
+
+# =====================================================================
+# 🏷️ 三個既有 NemoTron tool 的 wrapper（供 event_router 統一調用）
+# =====================================================================
+def flag_for_human_review(sku: str, concern: str) -> dict:
+    """升級到 L3 HITL（包裝 NemoTron 既有 tool，保持呼叫介面一致）"""
+    t0 = time.time()
+    # TODO Phase 3: 接入 nemoton_dispatcher_service._exec_flag_for_human_review
+    result = {"status": "stub", "sku": sku, "concern": concern,
+              "note": "Phase 1 stub，Phase 3 接 NemoTron"}
+    _audit("flag_for_human_review", {"sku": sku, "concern": concern},
+           result, (time.time() - t0) * 1000)
+    return result
+
+
+def route_to_km(sku: str, domain: str, summary: str) -> dict:
+    """KM 歸檔（Phase 3 接 NemoTron）"""
+    t0 = time.time()
+    result = {"status": "stub", "note": "Phase 3 接 NemoTron"}
+    _audit("route_to_km", {"sku": sku, "domain": domain}, result, (time.time() - t0) * 1000)
+    return result
+
+
+def mark_for_relearn(sku: str, reason: str) -> dict:
+    """標記重新訓練（Phase 3 接 NemoTron）"""
+    t0 = time.time()
+    result = {"status": "stub", "note": "Phase 3 接 NemoTron"}
+    _audit("mark_for_relearn", {"sku": sku, "reason": reason}, result, (time.time() - t0) * 1000)
+    return result
+
+
+# 白名單（供 EventRouter / NemoTron 引用）
+SAFE_ACTIONS: dict[str, Any] = {
+    "retry_task": retry_task,
+    "query_km": query_km,
+    "silence_alert": silence_alert,
+    "flag_for_human_review": flag_for_human_review,
+    "route_to_km": route_to_km,
+    "mark_for_relearn": mark_for_relearn,
+}

services/event_router.py

@@ -0,0 +1,285 @@
+"""
+EventRouter — 事件分流入口（ADR-012 Phase 1 骨幹）
+
+所有系統事件（exception / 排程完成 / 告警 / 資訊通報）**應**統一透過
+`dispatch(event)` 進入，由 EventRouter 依 severity × event_type 分流到：
+  L0 Direct / L1 Hermes Observer / L2 NemoTron Investigator / L3 OpenClaw Operator
+
+設計原則（ADR-012 §⑥）：無論 AI 狀況，**通知鏈絕不中斷**。
+每一級失敗立即降級到下一級，最終保底 L0 直出模板。
+
+Phase 1 實作範圍：
+- 骨幹 + 分類邏輯
+- L0 模板直出（已可用）
+- L1 Hermes / L2 NemoTron / L3 OpenClaw 為 stub（附 TODO 標記）
+- 完整 fallback 鏈（AI 掛必降級）
+- 靜音檢查 + Audit Trail
+"""
+
+from __future__ import annotations
+
+import os
+import time
+from datetime import datetime
+from enum import Enum
+from typing import Any
+
+import requests
+
+from services.logger_manager import SystemLogger
+from services import telegram_templates as tpl
+from services import agent_actions
+
+sys_log = SystemLogger("EventRouter").get_logger()
+
+
+class Tier(str, Enum):
+    L0_DIRECT = "L0"
+    L1_OBSERVER = "L1"
+    L2_INVESTIGATOR = "L2"
+    L3_OPERATOR = "L3"
+
+
+class Severity(str, Enum):
+    INFO = "info"
+    SUCCESS = "success"
+    WARNING = "warning"
+    ALERT = "alert"  # P0/P1
+
+
+# =====================================================================
+# 分類規則（ADR-012 §③）
+# =====================================================================
+def _classify(event: dict) -> Tier:
+    sev = event.get("severity", "info")
+    has_trace = bool(event.get("trace"))
+    event_type = event.get("event_type", "")
+
+    # L3 OpenClaw 由週期任務主動觸發（週報、Meta-Analysis），不走 router
+    # 這裡只處理 L0/L1/L2
+
+    if sev in (Severity.INFO, Severity.SUCCESS):
+        return Tier.L0_DIRECT
+
+    if sev == Severity.WARNING:
+        # 有技術 trace → L1 Hermes 翻譯
+        return Tier.L1_OBSERVER if has_trace else Tier.L0_DIRECT
+
+    if sev == Severity.ALERT:
+        # 符合 L2 白名單 event_type → NemoTron 介入
+        L2_EVENT_TYPES = {
+            "price_threat", "db_connection_error", "crawler_timeout",
+            "nim_quota_exhausted", "embedding_failure",
+        }
+        if event_type in L2_EVENT_TYPES:
+            return Tier.L2_INVESTIGATOR
+        return Tier.L1_OBSERVER
+
+    return Tier.L0_DIRECT
+
+
+# =====================================================================
+# 主入口
+# =====================================================================
+def dispatch(event: dict, admin_chat_ids: list[int] | None = None) -> dict:
+    """
+    主要入口。回傳 dict: {tier, sent, insight_id, errors, latency_ms}
+
+    event 格式見 ADR-012 §③。必要欄位：source, event_type, severity, title, summary
+    可選欄位：trace, payload, time
+
+    admin_chat_ids 若未給，從 DB telegram_users where is_admin=true 取
+    """
+    t0 = time.time()
+    event_key = f"{event.get('source', '?')}:{event.get('event_type', '?')}"
+
+    # 靜音檢查
+    if agent_actions.is_silenced(event_key):
+        sys_log.info(f"[EventRouter] 事件被靜音略過: {event_key}")
+        return {"tier": "silenced", "sent": 0, "event_key": event_key}
+
+    tier = _classify(event)
+    sys_log.info(f"[EventRouter] dispatch {event_key} → {tier.value}")
+
+    # 執行對應 Tier
+    try:
+        if tier == Tier.L0_DIRECT:
+            text = _render_l0(event)
+        elif tier == Tier.L1_OBSERVER:
+            text = _render_l1_with_fallback(event)
+        elif tier == Tier.L2_INVESTIGATOR:
+            text = _render_l2_with_fallback(event)
+        else:
+            text = _render_l0(event)  # 未知 Tier 保底
+    except Exception as e:
+        sys_log.error(f"[EventRouter] 渲染失敗，降級 L0: {e}")
+        text = _render_l0(event)
+
+    # 發送 Telegram
+    result = _send(text, admin_chat_ids)
+    result["tier"] = tier.value
+    result["event_key"] = event_key
+    result["latency_ms"] = round((time.time() - t0) * 1000, 1)
+
+    # 審計（每次 dispatch 都入 KM）
+    _audit_dispatch(event, tier, result)
+    return result
+
+
+# =====================================================================
+# Tier 渲染器
+# =====================================================================
+def _render_l0(event: dict) -> str:
+    """L0 直出：根據 severity 選用對應模板"""
+    sev = event.get("severity", "info")
+    title = event.get("title", "未命名事件")
+    module = event.get("source", "unknown")
+    summary = event.get("summary", "")
+    details = event.get("payload") if isinstance(event.get("payload"), dict) else None
+
+    if sev == Severity.SUCCESS:
+        return tpl.success(title=title, module=module, stats=summary)
+    if sev == Severity.INFO:
+        return tpl.info(title=title, module=module, content=summary)
+    if sev == Severity.WARNING:
+        return tpl.warning(title=title, module=module, summary=summary, details=details)
+    # alert 但降級到 L0
+    return tpl.alert(
+        title=title, module=module,
+        status=event.get("status", "未知"),
+        impact=event.get("impact", "未評估"),
+        summary=summary,
+        actions=event.get("suggested_actions"),
+        trace=event.get("trace"),
+    )
+
+
+def _render_l1_with_fallback(event: dict) -> str:
+    """L1 Hermes 翻譯 stack trace。Phase 1 stub — 直接降 L0 + 標記"""
+    # TODO Phase 2: 呼叫 Hermes 做 stack trace 翻譯與摘要
+    try:
+        ai_summary = _hermes_observe(event)  # stub
+        if ai_summary:
+            return _compose_triaged(event, tier_label="L1 · Hermes", ai_summary=ai_summary)
+    except Exception as e:
+        sys_log.warning(f"[EventRouter] L1 Hermes 失敗，降 L0: {e}")
+
+    # Fallback：L0 模板 + 降級標記
+    text = _render_l0(event)
+    return text + "\n\n🟡 _AI 分析暫不可用，以原始資料呈現_"
+
+
+def _render_l2_with_fallback(event: dict) -> str:
+    """L2 NemoTron 介入（含 tool call）。Phase 1 stub — 降 L1"""
+    # TODO Phase 3: 呼叫 NemoTron dispatcher，允許執行 SAFE_ACTIONS 中的 tool
+    try:
+        ai_result = _nemoton_investigate(event)  # stub
+        if ai_result:
+            return _compose_triaged(
+                event, tier_label="L2 · NemoTron",
+                ai_summary=ai_result.get("summary", ""),
+                ai_actions=ai_result.get("actions_taken", []),
+            )
+    except Exception as e:
+        sys_log.warning(f"[EventRouter] L2 NemoTron 失敗，降 L1: {e}")
+
+    return _render_l1_with_fallback(event)
+
+
+def _compose_triaged(event: dict, tier_label: str, ai_summary: str,
+                     ai_actions: list | None = None) -> str:
+    """三層式訊息：AI 摘要 + 原始事實 + 建議行動（ADR-012 §④）"""
+    base = _render_l0(event)
+    parts = [f"🤖 *AI 摘要（{tier_label}）：*", ai_summary, ""]
+    if ai_actions:
+        parts.append("🛠️ *AI 已執行動作：*")
+        for a in ai_actions:
+            parts.append(f"• {a}")
+        parts.append("")
+    return base + "\n\n" + "\n".join(parts)
+
+
+# =====================================================================
+# AI 介入 stub（Phase 2/3 填實作）
+# =====================================================================
+def _hermes_observe(event: dict) -> str | None:
+    """Phase 1 stub：Phase 2 會呼叫 hermes_analyst_service"""
+    # 不呼叫 AI，回傳 None 讓上層降級
+    return None
+
+
+def _nemoton_investigate(event: dict) -> dict | None:
+    """Phase 1 stub：Phase 3 會呼叫 nemoton_dispatcher_service"""
+    return None
+
+
+# =====================================================================
+# Telegram 發送 + Audit
+# =====================================================================
+def _send(text: str, admin_chat_ids: list[int] | None) -> dict:
+    token = os.getenv("TELEGRAM_BOT_TOKEN")
+    if not token:
+        return {"sent": 0, "errors": ["TELEGRAM_BOT_TOKEN 未設定"]}
+
+    if admin_chat_ids is None:
+        admin_chat_ids = _load_admin_chat_ids()
+    if not admin_chat_ids:
+        return {"sent": 0, "errors": ["無管理員 chat_id"]}
+
+    url = f"https://api.telegram.org/bot{token}/sendMessage"
+    sent = 0
+    errors = []
+    for cid in admin_chat_ids:
+        try:
+            r = requests.post(url, json={
+                "chat_id": int(cid), "text": text, "parse_mode": "Markdown",
+            }, timeout=10)
+            if r.ok:
+                sent += 1
+            else:
+                errors.append(f"chat={cid} status={r.status_code}")
+        except Exception as e:
+            errors.append(f"chat={cid} exc={e}")
+    return {"sent": sent, "errors": errors}
+
+
+def _load_admin_chat_ids() -> list[int]:
+    """從 DB 撈 is_admin=true 的 chat_id；fallback 到 .env TELEGRAM_CHAT_IDS"""
+    try:
+        from database.manager import get_session
+        from sqlalchemy import text as sa_text
+        session = get_session()
+        try:
+            rows = session.execute(sa_text(
+                "SELECT telegram_id FROM telegram_users WHERE is_active=true AND is_admin=true"
+            )).fetchall()
+            if rows:
+                return [int(r[0]) for r in rows]
+        finally:
+            session.close()
+    except Exception as e:
+        sys_log.warning(f"[EventRouter] 查 telegram_users 失敗，fallback .env: {e}")
+
+    # Fallback 到 env
+    import re
+    raw = os.getenv("TELEGRAM_CHAT_IDS", "")
+    return [int(x.strip()) for x in re.sub(r'[\[\]"\' ]', "", raw).split(",") if x.strip()]
+
+
+def _audit_dispatch(event: dict, tier: Tier, result: dict) -> None:
+    """每次 dispatch 都寫入 ai_insights 作為審計軌跡"""
+    try:
+        from services.openclaw_learning_service import store_insight
+        store_insight(
+            insight_type="agent_action",
+            content=f"dispatch tier={tier.value} event={event.get('event_type')}",
+            period=datetime.now().strftime("%Y-%m-%d"),
+            metadata={
+                "tier": tier.value,
+                "event": {k: event.get(k) for k in ("source", "event_type", "severity", "title")},
+                "result": {k: result.get(k) for k in ("sent", "latency_ms", "errors")},
+                "ts": datetime.now().isoformat(),
+            },
+        )
+    except Exception as e:
+        sys_log.error(f"[EventRouter] audit 失敗: {e}")

services/openclaw_strategist_service.py

@@ -332,29 +332,34 @@ def _send_price_decision_requests(recs: list, period_str: str, source_insight_id
         sys_log.info(f"[OCStrategist] 降價決策推送 insight_id={rec_insight_id} → {len(admin_ids)} 位管理員")
 
 
-def _notify_telegram_group(report_md: str, period_str: str):
+def _notify_telegram_group(report_md: str, period_str: str, report_type: str = "週報") -> None:
     """
-    推送至 Telegram
+    推送策略報告至 Telegram 群組（已套用 telegram_templates.report() 統一格式）。
+    ADR-012 備註：週報類為 L3 OpenClaw 的週期性輸出，不經 event_router。
     """
-    bot_token = os.getenv('OPENCLAW_BOT_TOKEN', '8610496165:AAFOlcWV4oRUSC2TI-fYux7JV97fjNzsYR8')
-    chat_id = os.getenv('OPENCLAW_GROUP_ID', '-1003940688311')
-    
-    # Telegram 貼文過長則截斷
-    msg = f"📣 **[Gemini 策略師] {period_str} 週報已出爐！**\n\n{report_md}"
-    if len(msg) > 3500:
-        msg = msg[:3500] + "\n\n... (報告過長已截斷，請至知識庫查看全文)"
-        
-    url = f"https://api.telegram.org/bot{bot_token}/sendMessage"
-    payload = {
-        "chat_id": chat_id,
-        "text": msg,
-        "parse_mode": "Markdown"
-    }
+    bot_token = os.getenv("TELEGRAM_BOT_TOKEN") or os.getenv("OPENCLAW_BOT_TOKEN")
+    chat_id = os.getenv("OPENCLAW_GROUP_ID", "-1003940688311")
+    if not bot_token:
+        sys_log.warning("[OCStrategist] TELEGRAM_BOT_TOKEN 未設定，略過週報推播")
+        return
+
+    from services.telegram_templates import report as render_report
+    msg = render_report(
+        title="AI 策略報告已出爐",
+        report_type=report_type,
+        period=period_str,
+        content_md=report_md,
+    )
+
     try:
-        requests.post(url, json=payload, timeout=10)
-        sys_log.info("[OCStrategist] Telegram 週報推送成功。")
+        requests.post(
+            f"https://api.telegram.org/bot{bot_token}/sendMessage",
+            json={"chat_id": chat_id, "text": msg, "parse_mode": "Markdown"},
+            timeout=10,
+        )
+        sys_log.info(f"[OCStrategist] Telegram {report_type}推送成功")
     except Exception as e:
-        sys_log.error(f"[OCStrategist] Telegram 週報推送失敗: {e}")
+        sys_log.error(f"[OCStrategist] Telegram {report_type}推送失敗: {e}")
 
 def generate_meta_analysis_report() -> str:
     """