V10.417 protect embedding fallback routing

.env.example

@@ -140,8 +140,11 @@ HERMES_ALLOW_111_FALLBACK=false
 
 # [選填] Embedding 服務主機；留空時自動走同一條 Ollama 三主機級聯
 EMBEDDING_HOST=
-# [預設 45] Embedding API timeout；優先使用 Ollama /api/embed，舊節點 fallback /api/embeddings
-EMBEDDING_TIMEOUT=45
+# [預設 15] Embedding API timeout；優先使用 Ollama /api/embed，舊節點 fallback /api/embeddings
+EMBEDDING_TIMEOUT=15
+OLLAMA_EMBED_MAX_TIMEOUT=15
+OLLAMA_EMBED_KEEP_ALIVE=1m
+OLLAMA_EMBED_MAX_CHARS=4000
 
 # ==========================================
 # Elephant Alpha AI Agent Super Orchestrator Settings
@@ -368,7 +371,10 @@ OLLAMA_HOST_FALLBACK=http://192.168.0.111:11434
 OLLAMA_MODEL=gemma3:4b
 OLLAMA_TIMEOUT=120
 OLLAMA_COPY_TIMEOUT=180
-OLLAMA_EMBED_TIMEOUT=45
+OLLAMA_EMBED_TIMEOUT=15
+OLLAMA_EMBED_MAX_TIMEOUT=15
+OLLAMA_EMBED_KEEP_ALIVE=1m
+OLLAMA_EMBED_MAX_CHARS=4000
 # 111 是 Mac final fallback，不承接 7B+ / vision / long-context / 長輸出任務；落到 111 時自動降級與縮短常駐。
 OLLAMA_111_MODEL_FALLBACK=llama3.2:latest
 OLLAMA_111_MODEL_DOWNGRADE_PATTERNS=qwen3:*,deepseek-r1:*,hermes3:*,llama3.1:*,qwen2.5:*,qwen2.5-coder:*,gemma3:*,minicpm-v:*,llava:*,*:7b*,*:8b*,*:14b*,*:32b*,*:70b*

config.py

@@ -325,7 +325,7 @@ YOUTUBE_API_KEY = os.getenv('YOUTUBE_API_KEY', '')
 # ==========================================
 # 系統版本與路徑
 # ==========================================
-SYSTEM_VERSION = "V10.416"
+SYSTEM_VERSION = "V10.417"
 LOG_FILE_PATH = os.path.join(BASE_DIR, 'logs/system.log')
 public_url = PUBLIC_URL  # 用於模板顯示
 

docs/AI_INTELLIGENCE_MODULE_SOT.md

@@ -1,8 +1,8 @@
 # MOMO PRO — AI 競價情報模組 Single Source of Truth
 
-> **最後更新**: 2026-05-21 (台北時間)
+> **最後更新**: 2026-05-24 (台北時間)
 > **狀態**: 🟢 四 AI Agent 自動化閉環已落地；LLM 路由紅線升級為 Ollama-first 三主機級聯，Gemini 備援預設關閉
-> **適用版本**: V10.387
+> **適用版本**: V10.417
 
 ---
 
@@ -20,6 +20,7 @@
 - Code Review Hermes scan 預設不呼叫 LLM，改用 deterministic fast static scan，避免部署後先卡三段 Ollama timeout；需要 LLM 掃描時才以 `CODE_REVIEW_HERMES_LLM_SCAN_ENABLED=true` 啟用本地矩陣。
 - Code Review Hermes LLM scan 啟用時才使用本地模型矩陣，且預設只跑 GCP-A `qwen2.5-coder:7b` → GCP-B `gemma3:4b`；`CODE_REVIEW_ALLOW_111_FALLBACK=true` 時才允許落到 111，並由 `OllamaService` 降級到 `llama3.2:latest`。不啟用 Gemini 備援，本地掃描失敗時只回空 findings 並交由 OpenClaw 本地矩陣續跑。
 - Code Review OpenClaw assessment 預設只跑 GCP-A → GCP-B：GCP-A `qwen2.5-coder:7b`、GCP-B `gemma3:4b`；primary timeout 預設 `15s`、secondary timeout 預設 `60s`，讓 A 掛時快速讓位給 B，且 B 有足夠時間完成審查 prompt。111 是最後救急節點，但部署後重分析預設不打 111；只有 `CODE_REVIEW_ALLOW_111_FALLBACK=true` 才允許 111 接手，並降級到 `llama3.2:latest`。Code Review 的 Ollama `keep_alive` 預設為 `5m`，不得再用 `24h` 長駐 runner 壓住 GCP-B/111。GCP-A/GCP-B 都失敗且 Claude/Gemini 未顯式開啟時，必須回 deterministic 本地降級摘要，不呼叫 Gemini、不落 111、不走其他雲端模型。
+- Embedding / semantic RAG 背景任務預設只跑 GCP-A → GCP-B：`OpenClawLearningService` embedding worker 與 `RAGService` 查詢 embedding 呼叫 `OllamaService.generate_embedding(..., allow_111_fallback=False)`；111 只可作人工明確指定的救急路徑，不承接 `bge-m3` 背景批次。`OLLAMA_EMBED_TIMEOUT` / `OLLAMA_EMBED_MAX_TIMEOUT` 預設 `15s`、`OLLAMA_EMBED_KEEP_ALIVE=1m`、`OLLAMA_EMBED_MAX_CHARS=4000`，避免 embedding worker 長時間卡住 GCP-B 或 111。
 - OpenClaw Telegram Q&A 主路徑也不得綁單一 host：`_call_qwen3_qa()` 必須透過 `OllamaService` 跑 GCP-A → GCP-B → 111，並把實際落點寫入 `ai_calls.provider`。
 - OpenClaw Telegram 圖片商品辨識也必須 Ollama-first：`_identify_product_name_with_ollama_vision()` 透過 `OllamaService` 嘗試 GCP-A → GCP-B → 111；Gemini 只允許以 `openclaw_bot_image_gemini` caller 作為失敗後備援。
 - OpenClaw 週報、月報、Meta analysis、日報洞察、Telegram PPT 分析與 MCP fallback 也必須 Ollama-first；Gemini caller 只能帶 `_gemini_fallback` 或明確 fallback caller 語意，且不得先於 Ollama/NIM 被呼叫。OpenClaw strategy 的 Ollama `keep_alive` 預設為 `5m`，避免報告型任務把 GCP-B/111 runner 長駐 24h。
@@ -124,7 +125,7 @@ SQL漏斗(~300筆)
 - `resource_optimization` 會先執行 `ActionPlanHygieneService` 清理過期噪音：只關閉超過 72 小時的 `code_review_fix` / `openclaw_recommendation` 類 advisory action_plans，以及 NemoTron `direct_response/reply_simple` 舊聊天回覆計畫；將狀態改為 `auto_disabled` 或 `rejected` 並寫入 `metadata_json.hygiene_history`。不刪資料，也不碰 NemoTron human_review / pricing / tool action 類業務行動。
 - `momo-scheduler` 每 6 小時固定執行 `run_action_plan_hygiene_task()`，讓過期 advisory action_plans 的關閉不再依賴 `resource_optimization` 告警觸發；排程失敗會經 EventRouter 發送 `action_plan_hygiene_failure`。
 - `action_plans` 產生端必須防重：Code Review 同一檔案已有 active `code_review_fix` 時不重建；OpenClaw recommendation 會寫入文字 fingerprint 並跳過同一建議；AIOrchestrator 不再把 NemoTron `direct_response/reply_simple` 聊天回覆存成 action plan，真正需工具、審核或執行的 NemoTron action 才能進 queue。
-- OpenClaw/Hermes embedding 優先呼叫 Ollama `/api/embed`，只在舊節點不支援時 fallback `/api/embeddings`；timeout 由 `EMBEDDING_TIMEOUT` / `OLLAMA_EMBED_TIMEOUT` 控制。
+- OpenClaw/Hermes embedding 優先呼叫 Ollama `/api/embed`，只在舊節點不支援時 fallback `/api/embeddings`；timeout 由 `EMBEDDING_TIMEOUT` / `OLLAMA_EMBED_TIMEOUT` 控制，並受 `OLLAMA_EMBED_MAX_TIMEOUT` 封頂。背景 worker / RAG 查詢不得落 111，除非 caller 顯式允許 `allow_111_fallback=True`。
 - PPT 自動產線由 `momo-scheduler` 依節奏執行 `run_ppt_auto_generation_task(schedule_kind)`：每日 20:30 產日報、週一 20:40 產週報/市場情報、每月 1 日 20:50 產月報與管理型簡報、季初 21:00 產季報、半年初 21:10 產半年報、年初 21:20 產年報，再交給 22:00 `ppt_vision_audit` 做視覺審核；每次嘗試會寫入 `ppt_generation_runs`，`/observability/ppt_audit_history` 以精準參數檢查目標版本是否已產生，並可用 `/observability/ppt_audit/generate_missing` 手動補齊缺漏，總開關為 `PPT_AUTO_GENERATION_ENABLED`。PPT vision 需 `PPT_VISION_ENABLED=true` 與容器內 LibreOffice；`/observability/ppt_audit_file/<filename>` 會把 PPTX 轉成 PDF 快取供站內線上預覽，原始 PPTX 仍保留下載。
 
 ---

docs/memory/history_logs.md

@@ -13,6 +13,7 @@
 ## 📅 詳細更新日誌 (考古存檔)
 
 ### 2026-05-24：PChome 近門檻身份回收第二輪
+- **V10.417 Embedding/RAG 背景負載保護**: `OllamaService.generate_embedding()` 新增 `allow_111_fallback`、timeout cap、輸入長度 cap 與 `/api/embed keep_alive=1m`；OpenClaw learning worker 與 RAG 查詢預設只跑 GCP-A → GCP-B，不再把 `bge-m3` 背景 embedding / semantic RAG 轉嫁到 111。預設 `OLLAMA_EMBED_TIMEOUT=15`、`OLLAMA_EMBED_MAX_TIMEOUT=15`、`OLLAMA_EMBED_MAX_CHARS=4000`，避免 embedding worker 在 GCP-B/111 長時間常駐或拖住 runner。
 - **V10.416 私密清潔 / 彩妝用途 / 棉棒 / 蘭蔻品線防錯配**: marketplace matcher 追加窄範圍 hard-veto guard，讓 SAUGELLA 日用/加強 vs 黃金女郎型、Lactacyd 清新舒涼 vs 生理呵護、LUNASOL 頰彩 vs 眼彩、MUJI 細軸棉棒 vs 黑色棉棒、LANCOME 超極光晶露 vs 超極限肌因精華露不再停留在模糊 `true_low_confidence`，而是以 `*_variant_conflict` / `makeup_usage_conflict` / `lancome_line_conflict` 明確拒絕；不調整 `MIN_MATCH_SCORE`，也不放寬真同款進 matched 的門檻。
 - **V10.416 production pilot**: 正式回刷 7 筆近門檻錯配樣本，SAUGELLA 2 筆、LUNASOL 頰彩 vs 眼彩、LANCOME 超極光 vs 超極限、我的心機兒童防曬 vs 海洋友善防曬、Lactacyd 清新舒涼 vs 生理呵護、MUJI 細軸棉棒 vs 黑色棉棒皆更新為 `identity_veto`；`matched` 維持 1619、`true_low_confidence` 759→753、`recoverable_low_score` 1→0、`identity_veto` 4004→4011，無正式 `competitor_prices` 覆寫。
 - **V10.415 Hermes 預設不落 111 + 比對保護**: `OllamaService.generate()` 新增 `allow_111_fallback` 參數，預設維持三主機相容；Hermes intent / competitor analyst 改以 `HERMES_ALLOW_111_FALLBACK=false` 預設只跑 GCP-A → GCP-B，兩台都不可用時交給規則引擎或 DB 證據 fallback，不再把批量價格分析與意圖分類轉嫁到 111。同版 marketplace matcher 將防曬類列入 variant-sensitive，排除 SPF/PA/UVA/UVB 這類規格 token 被誤當型號，避免「兒童防曬乳」與「海洋友善保濕防曬乳」誤配；Recipe Box 兒童防曬氣墊粉餅保留精準同品線例外；另新增 `pack_quantity_difference`，讓 Beauty Foot 足膜 5入 vs 4入走 unit comparable，不再卡在低信心。

services/ollama_service.py

@@ -56,6 +56,9 @@ DEFAULT_MODEL = os.getenv('OLLAMA_MODEL', 'llama3.1:8b')  # 較快速的模型
 TIMEOUT = int(os.getenv('OLLAMA_TIMEOUT', '120'))  # 秒 - 2 分鐘
 COPY_TIMEOUT = int(os.getenv('OLLAMA_COPY_TIMEOUT', '180'))  # 文案生成專用超時 - 3 分鐘
 EMBED_TIMEOUT = int(os.getenv('OLLAMA_EMBED_TIMEOUT', os.getenv('EMBEDDING_TIMEOUT', '45')))
+EMBED_MAX_TIMEOUT = int(os.getenv('OLLAMA_EMBED_MAX_TIMEOUT', '15'))
+EMBED_KEEP_ALIVE = os.getenv('OLLAMA_EMBED_KEEP_ALIVE', '1m')
+EMBED_MAX_CHARS = int(os.getenv('OLLAMA_EMBED_MAX_CHARS', '4000'))
 FALLBACK_111_KEEP_ALIVE = os.getenv('OLLAMA_111_KEEP_ALIVE', '5m')
 FALLBACK_111_MAX_TIMEOUT = int(os.getenv('OLLAMA_111_MAX_TIMEOUT', '20'))
 FALLBACK_111_NUM_CTX = int(os.getenv('OLLAMA_111_NUM_CTX', '4096'))
@@ -881,7 +884,8 @@ class OllamaService:
         return []
 
     def generate_embedding(self, text: str, model: str = "bge-m3:latest",
-                           host: str = None, timeout: int = None) -> List[float]:
+                           host: str = None, timeout: int = None,
+                           allow_111_fallback: bool = True) -> List[float]:
         """
         [ADR-007] Embedding — 含三主機自動 retry（HOTFIX 2026-05-04）
 
@@ -889,7 +893,18 @@ class OllamaService:
         每次失敗 mark_unhealthy 觸發 resolve cache 失效，下次 resolve 取新主機。
         caller 顯式 host=... 時凍結（不 retry）。
         """
-        request_timeout = timeout or EMBED_TIMEOUT
+        clean_text = (text or "").strip()
+        if not clean_text:
+            return []
+        if len(clean_text) > EMBED_MAX_CHARS:
+            logger.info(
+                "[Embed] input clipped from %s to %s chars for model=%s",
+                len(clean_text),
+                EMBED_MAX_CHARS,
+                model,
+            )
+            clean_text = clean_text[:EMBED_MAX_CHARS]
+        request_timeout = min(timeout or EMBED_TIMEOUT, EMBED_MAX_TIMEOUT)
 
         def _embed_one(target_host: str) -> List[float]:
             """單次 embedding 嘗試 — 成功回 vec，失敗回 [] + mark_unhealthy"""
@@ -897,7 +912,7 @@ class OllamaService:
                 # /api/embed 主路徑
                 response = requests.post(
                     f"{target_host}/api/embed",
-                    json={"model": model, "input": text},
+                    json={"model": model, "input": clean_text, "keep_alive": EMBED_KEEP_ALIVE},
                     timeout=request_timeout,
                 )
                 if response.status_code == 200:
@@ -913,7 +928,7 @@ class OllamaService:
                 # /api/embeddings legacy fallback
                 legacy = requests.post(
                     f"{target_host}/api/embeddings",
-                    json={"model": model, "prompt": text},
+                    json={"model": model, "prompt": clean_text},
                     timeout=request_timeout,
                 )
                 if legacy.status_code == 200:
@@ -929,20 +944,48 @@ class OllamaService:
 
         # caller 顯式指定 host → 凍結不 retry
         if host:
+            if not allow_111_fallback and _is_111_fallback_host(host):
+                logger.warning("[Embed] 111 fallback disabled; explicit host skipped: %s", host)
+                return []
             return _embed_one(host.rstrip("/"))
 
         # HOTFIX 三主機 retry 鏈（與 generate() 同模式）
         attempted_hosts: List[str] = []
-        for attempt in range(3):
-            target_host = (approved_ollama_env("EMBEDDING_HOST") or resolve_ollama_host()).rstrip("/")
+        canonical_hosts = _canonical_host_chain()
+        allowed_hosts = [
+            candidate for candidate in canonical_hosts
+            if allow_111_fallback or not _is_111_fallback_host(candidate)
+        ]
+        max_attempts = len(canonical_hosts) if allow_111_fallback else max(1, len(allowed_hosts))
+        for attempt in range(max_attempts):
+            configured_host = (approved_ollama_env("EMBEDDING_HOST") or "").rstrip("/")
+            if configured_host and (allow_111_fallback or not _is_111_fallback_host(configured_host)):
+                target_host = configured_host
+            else:
+                if configured_host and _is_111_fallback_host(configured_host):
+                    logger.warning("[Embed] 111 fallback disabled; ignoring EMBEDDING_HOST=%s", configured_host)
+                target_host = resolve_ollama_host().rstrip("/")
+            if not allow_111_fallback and _is_111_fallback_host(target_host):
+                logger.warning("[Embed] 111 fallback disabled; no approved GCP embedding host available")
+                break
             if target_host in attempted_hosts:
-                break  # cache 還沒過期或同主機，避免無限迴圈
+                next_host = None
+                if target_host in allowed_hosts:
+                    next_host = next((candidate for candidate in allowed_hosts if candidate not in attempted_hosts), None)
+                if not next_host:
+                    break  # cache 還沒過期或同主機，避免無限迴圈
+                logger.info(
+                    "[Embed] resolver returned attempted host=%s; forcing next host=%s",
+                    target_host,
+                    next_host,
+                )
+                target_host = next_host
             attempted_hosts.append(target_host)
 
             vec = _embed_one(target_host)
             if vec:
                 return vec
-            logger.info(f"[Embed] retry #{attempt+1}/3 — {target_host} failed, mark_unhealthy + 取新主機")
+            logger.info(f"[Embed] retry #{attempt+1}/{max_attempts} — {target_host} failed, mark_unhealthy + 取新主機")
 
         logger.error(f"[Embed] all {len(attempted_hosts)} hosts failed; tried={attempted_hosts}")
         return []

services/openclaw_learning_service.py

@@ -119,7 +119,11 @@ def _process_one_embedding(row_id: int, target_table: str, target_id: int,
         )
         session.commit()
 
-        vec = ollama_service.generate_embedding(text_content, model=model)
+        vec = ollama_service.generate_embedding(
+            text_content,
+            model=model,
+            allow_111_fallback=False,
+        )
         if not vec:
             raise RuntimeError("embedding 回傳空值")
 
@@ -441,7 +445,7 @@ def _build_semantic_rag_context(session, query: str, insight_type: str = None,
     if not query:
         return ""
     try:
-        vec = ollama_service.generate_embedding(query)
+        vec = ollama_service.generate_embedding(query, allow_111_fallback=False)
         if not vec:
             return ""
         filters = ["embedding IS NOT NULL", "status IN ('approved', 'active', 'executed')"]

services/rag_service.py

@@ -349,7 +349,11 @@ class RAGService:
         query_vec: Optional[List[float]] = None
         try:
             from services.ollama_service import ollama_service
-            query_vec = ollama_service.generate_embedding(text, model=RAG_EMBED_MODEL)
+            query_vec = ollama_service.generate_embedding(
+                text,
+                model=RAG_EMBED_MODEL,
+                allow_111_fallback=False,
+            )
             if not query_vec:
                 logger.warning(
                     "[RAGService] embedding empty (caller=%s, len=%d) — fallback LLM",

tests/test_ai_insight_embedding_bridge.py

@@ -82,7 +82,7 @@ def test_process_one_embedding_writes_signature(monkeypatch):
     monkeypatch.setattr(
         learning.ollama_service,
         "generate_embedding",
-        lambda text, model="bge-m3:latest": [0.1] * 1024,
+        lambda text, model="bge-m3:latest", **_kwargs: [0.1] * 1024,
     )
 
     ok = learning._process_one_embedding(

tests/test_ollama_embedding.py

@@ -24,7 +24,11 @@ def test_generate_embedding_uses_current_embed_endpoint(monkeypatch):
 
     assert vec == [0.1, 0.2, 0.3]
     assert calls == [
-        ("http://ollama/api/embed", {"model": "bge-m3:latest", "input": "hello"}, 7),
+        (
+            "http://ollama/api/embed",
+            {"model": "bge-m3:latest", "input": "hello", "keep_alive": "1m"},
+            7,
+        ),
     ]
 
 
@@ -43,10 +47,42 @@ def test_generate_embedding_falls_back_to_legacy_embeddings_endpoint(monkeypatch
 
     assert vec == [0.4, 0.5]
     assert calls == [
-        ("http://ollama/api/embed", {"model": "bge-m3:latest", "input": "hello"}, 9),
+        (
+            "http://ollama/api/embed",
+            {"model": "bge-m3:latest", "input": "hello", "keep_alive": "1m"},
+            9,
+        ),
         ("http://ollama/api/embeddings", {"model": "bge-m3:latest", "prompt": "hello"}, 9),
     ]
 
 
 def test_extract_embedding_accepts_flat_embeddings_shape():
     assert OllamaService._extract_embedding({"embeddings": [0.1, 0.2]}) == [0.1, 0.2]
+
+
+def test_generate_embedding_caps_timeout_and_clips_input(monkeypatch):
+    calls = []
+
+    def fake_post(url, json, timeout):
+        calls.append((url, json, timeout))
+        return FakeResponse(200, {"embeddings": [[0.1, 0.2, 0.3]]})
+
+    monkeypatch.setattr("services.ollama_service.EMBED_MAX_TIMEOUT", 3)
+    monkeypatch.setattr("services.ollama_service.EMBED_MAX_CHARS", 5)
+    monkeypatch.setattr("services.ollama_service.requests.post", fake_post)
+
+    vec = OllamaService().generate_embedding(
+        "hello world",
+        model="bge-m3:latest",
+        host="http://ollama",
+        timeout=45,
+    )
+
+    assert vec == [0.1, 0.2, 0.3]
+    assert calls == [
+        (
+            "http://ollama/api/embed",
+            {"model": "bge-m3:latest", "input": "hello", "keep_alive": "1m"},
+            3,
+        ),
+    ]

tests/test_ollama_retry_chain.py

@@ -279,6 +279,51 @@ def test_embedding_all_three_hosts_fail_returns_empty():
     assert mock_post.call_count == 3
 
 
+def test_embedding_can_disable_111_fallback_for_background_rag_work():
+    """背景 embedding/RAG 任務只跑 GCP-A/GCP-B，避免 111 承接 bge-m3 長任務。"""
+    import requests
+    from services import ollama_service as oss
+    from services.ollama_service import OllamaService
+
+    svc = OllamaService()
+    hosts = [
+        oss.OLLAMA_HOST_SECONDARY,
+        oss.OLLAMA_HOST_FALLBACK,
+    ]
+
+    with patch('services.ollama_service.resolve_ollama_host', side_effect=hosts), \
+         patch.dict('os.environ', {}, clear=False), \
+         patch('services.ollama_service.requests.post',
+               side_effect=requests.Timeout('secondary timeout')) as mock_post:
+        import os
+        os.environ.pop('EMBEDDING_HOST', None)
+        vec = svc.generate_embedding('test text', allow_111_fallback=False)
+
+    posted_hosts = [call.args[0].split('/api/embed')[0] for call in mock_post.call_args_list]
+    assert vec == []
+    assert posted_hosts == [oss.OLLAMA_HOST_SECONDARY]
+    assert oss.OLLAMA_HOST_FALLBACK not in posted_hosts
+
+
+def test_embedding_ignores_111_embedding_host_when_fallback_disabled():
+    """EMBEDDING_HOST 若誤設 111，背景 embedding 仍回 GCP resolver，不直接棄跑。"""
+    from services import ollama_service as oss
+    from services.ollama_service import OllamaService
+
+    svc = OllamaService()
+    fake_ok = MagicMock(status_code=200)
+    fake_ok.json.return_value = {'embeddings': [[0.7, 0.8]]}
+
+    with patch('services.ollama_service.resolve_ollama_host', return_value=oss.OLLAMA_HOST_SECONDARY), \
+         patch.dict('os.environ', {'EMBEDDING_HOST': oss.OLLAMA_HOST_FALLBACK}, clear=False), \
+         patch('services.ollama_service.requests.post', return_value=fake_ok) as mock_post:
+        vec = svc.generate_embedding('test text', allow_111_fallback=False)
+
+    posted_hosts = [call.args[0].split('/api/embed')[0] for call in mock_post.call_args_list]
+    assert vec == [0.7, 0.8]
+    assert posted_hosts == [oss.OLLAMA_HOST_SECONDARY]
+
+
 # ═══════════════════════════════════════════════════════════════════════════
 # T4: mark_unhealthy 觸發 cache 失效（驗 self.host 取新主機）
 # ═══════════════════════════════════════════════════════════════════════════

tests/test_rag_service.py

@@ -99,7 +99,7 @@ class TestRagEnabledHits:
 
         monkeypatch.setattr(
             'services.ollama_service.ollama_service.generate_embedding',
-            lambda text, model="bge-m3:latest": _fake_embedding(),
+            lambda text, model="bge-m3:latest", **_kwargs: _fake_embedding(),
         )
 
         sig = rs.get_embedding_signature()
@@ -132,7 +132,7 @@ class TestRagEnabledHits:
 
         monkeypatch.setattr(
             'services.ollama_service.ollama_service.generate_embedding',
-            lambda text, model="bge-m3:latest": _fake_embedding(),
+            lambda text, model="bge-m3:latest", **_kwargs: _fake_embedding(),
         )
         monkeypatch.setattr(
             rs.rag_service,
@@ -170,7 +170,7 @@ class TestRagEnabledHits:
 
         monkeypatch.setattr(
             'services.ollama_service.ollama_service.generate_embedding',
-            lambda text, model="bge-m3:latest": _fake_embedding(),
+            lambda text, model="bge-m3:latest", **_kwargs: _fake_embedding(),
         )
         fake_session = MagicMock()
         fake_session.execute.return_value.fetchall.return_value = []
@@ -227,7 +227,7 @@ class TestEmbeddingSignature:
 
         monkeypatch.setattr(
             'services.ollama_service.ollama_service.generate_embedding',
-            lambda text, model="bge-m3:latest": _fake_embedding(),
+            lambda text, model="bge-m3:latest", **_kwargs: _fake_embedding(),
         )
         sig = rs.get_embedding_signature()
         fake_rows = [
@@ -261,7 +261,7 @@ class TestEmbeddingSignature:
 
         monkeypatch.setattr(
             'services.ollama_service.ollama_service.generate_embedding',
-            lambda text, model="bge-m3:latest": _fake_embedding(),
+            lambda text, model="bge-m3:latest", **_kwargs: _fake_embedding(),
         )
         fake_rows = [
             _make_row_obj(
@@ -288,7 +288,7 @@ class TestFireAndForgetLog:
 
         monkeypatch.setattr(
             'services.ollama_service.ollama_service.generate_embedding',
-            lambda text, model="bge-m3:latest": _fake_embedding(),
+            lambda text, model="bge-m3:latest", **_kwargs: _fake_embedding(),
         )
         # SELECT session 正常；INSERT session 故意 raise
         select_session = MagicMock()
@@ -344,7 +344,7 @@ class TestFireAndForgetLog:
 
         monkeypatch.setattr(
             'services.ollama_service.ollama_service.generate_embedding',
-            lambda text, model="bge-m3:latest": [],
+            lambda text, model="bge-m3:latest", **_kwargs: [],
         )
         # DB 不應被呼叫
         called = {'count': 0}
@@ -466,7 +466,7 @@ class TestParamGuards:
 
         monkeypatch.setattr(
             'services.ollama_service.ollama_service.generate_embedding',
-            lambda text, model="bge-m3:latest": _fake_embedding(),
+            lambda text, model="bge-m3:latest", **_kwargs: _fake_embedding(),
         )
         fake_session = MagicMock()
         fake_session.execute.return_value.fetchall.return_value = []
@@ -487,7 +487,7 @@ class TestParamGuards:
 
         monkeypatch.setattr(
             'services.ollama_service.ollama_service.generate_embedding',
-            lambda text, model="bge-m3:latest": _fake_embedding(),
+            lambda text, model="bge-m3:latest", **_kwargs: _fake_embedding(),
         )
         fake_session = MagicMock()
         captured = {}