fix(ai): 遷移 Ollama embedding 至 api embed

.env.example

@@ -102,6 +102,8 @@ HERMES_TIMEOUT=120
 
 # [預設 HERMES_URL] Embedding 服務主機（ADR-003 對齊：embedding 走 Hermes 主機）
 # EMBEDDING_HOST=http://192.168.0.111:11434
+# [預設 45] Embedding API timeout；優先使用 Ollama /api/embed，舊節點 fallback /api/embeddings
+EMBEDDING_TIMEOUT=45
 
 # ==========================================
 # Elephant Alpha AI Agent Super Orchestrator Settings
@@ -236,6 +238,7 @@ OLLAMA_HOST=https://ollama.wooo.work/ollama
 OLLAMA_MODEL=gemma3:4b
 OLLAMA_TIMEOUT=120
 OLLAMA_COPY_TIMEOUT=180
+OLLAMA_EMBED_TIMEOUT=45
 MCP_CACHE_TTL_HOURS=24
 MCP_GEMINI_MODEL=gemini-2.0-flash
 

CONSTITUTION.md

@@ -2,7 +2,7 @@
 
 > 本文件定義專案開發的核心準則與不可違反的規範
 > **建立日期**: 2026-01-12
-> **當前版本**: V10.16 (DatabaseManager 連線池收斂版)
+> **當前版本**: V10.17 (Ollama embedding /api/embed 強化版)
 > **最後更新**: 2026-04-30
 
 ---

TODO_NEXT_STEPS.txt

@@ -25,6 +25,7 @@
    - CD Rebuild 切換強化：rebuild 模式改為先 `docker compose build --no-cache momo-app` 成功，再 stop/rm/recreate 三應用容器，避免長時間 502。
    - ElephantAlpha NIM fallback 強化：預設改用 production 可呼叫的 `nvidia/llama-3.3-nemotron-super-49b-v1.5`，Ultra 253B 權限 404 時自動 fallback。
    - DatabaseManager 連線池收斂：PostgreSQL 每 worker pool 調整為 `pool_size=2/max_overflow=3`，避免多 route 重複 new manager 時吃滿連線。
+   - Ollama embedding 強化：改為優先 `/api/embed`，舊節點才 fallback `/api/embeddings`，並新增 `EMBEDDING_TIMEOUT`。
 
 【下次待辦】
    - 觀察 Prometheus scrape 後 `momo_ai_*` 是否在事件發生後產生時間序列。

app.py

@@ -95,8 +95,8 @@ except Exception as e:
     sys_log.error(f"無法檢測磁碟空間: {e}")
 
 # 🚩 系統版本定義 (備份與顯示用)
-# 🚩 2026-04-30 V10.16: DatabaseManager PostgreSQL pool convergence
-SYSTEM_VERSION = "V10.16"
+# 🚩 2026-04-30 V10.17: Ollama embedding /api/embed hardening
+SYSTEM_VERSION = "V10.17"
 
 # ==========================================
 # 🔒 SQL Injection 防護函數

config.py

@@ -229,6 +229,7 @@ HERMES_TIMEOUT = int(os.getenv('HERMES_TIMEOUT', '120'))  # 秒；批量 300 筆
 # Embedding 服務（ADR-003 對齊：embedding 走 Hermes 主機，內網免認證）
 # 預設 fallback 到 HERMES_URL；若需獨立 embedding 主機可透過 env 覆寫
 EMBEDDING_HOST = os.getenv('EMBEDDING_HOST', HERMES_URL)
+EMBEDDING_TIMEOUT = int(os.getenv('EMBEDDING_TIMEOUT', os.getenv('OLLAMA_EMBED_TIMEOUT', '45')))
 
 # SSH Jump Configuration (AIOps AutoHeal)
 SSH_JUMP_HOST = os.getenv('SSH_JUMP_HOST', '192.168.0.110')
@@ -253,7 +254,7 @@ YOUTUBE_API_KEY = os.getenv('YOUTUBE_API_KEY', '')
 # ==========================================
 # 系統版本與路徑
 # ==========================================
-SYSTEM_VERSION = "V10.16"
+SYSTEM_VERSION = "V10.17"
 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

@@ -2,7 +2,7 @@
 
 > **最後更新**: 2026-04-30 (台北時間)
 > **狀態**: 🟢 四 AI Agent 自動化閉環已落地 — EventRouter / AutoHeal / OpenClaw Memory / ElephantAlpha bridge / Prometheus metrics / Smoke Dashboard / Smoke Trend Management / Telegram Summary / Grafana provisioning / Prometheus scrape / CD Gunicorn 掛載具測試覆蓋
-> **適用版本**: V10.15 ElephantAlpha NIM fallback 強化版
+> **適用版本**: V10.17 Ollama embedding /api/embed 強化版
 
 ---
 
@@ -73,6 +73,7 @@ SQL漏斗(~300筆)
 - `momo-app` 必須 bind mount `./gunicorn.conf.py:/app/gunicorn.conf.py:ro`，讓 CD sync/rebuild 後的 Gunicorn runtime 設定與 repo 保持一致。
 - CD rebuild 模式必須先 build image 成功，再短暫 stop/rm/recreate 三應用容器，避免 no-cache build 造成長時間 502。
 - ElephantAlpha 使用 NVIDIA NIM hosted API；production 預設模型為 `nvidia/llama-3.3-nemotron-super-49b-v1.5`，`ELEPHANT_ALPHA_FALLBACK_MODELS` 需保留至少一個可呼叫備援。
+- 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。
 
 ---
 

docs/guides/devops_handbook.md

@@ -101,3 +101,8 @@
 - **原因**: Flask routes 會頻繁建立 `DatabaseManager()`，若每次都產生新 engine/pool，Gunicorn 多 worker 會快速吃滿 PostgreSQL clients。
 - **修復**: `DatabaseManager` 以 `(DATABASE_TYPE, DATABASE_PATH)` 重用 engine/session，且 PostgreSQL pool 收斂為 `pool_size=2/max_overflow=3`。
 - **檢查**: app log 應出現 `使用 PostgreSQL 資料庫 (連線池已收斂)`，Gunicorn `post_fork` 仍需 dispose inherited engines。
+
+### 10. OpenClaw embedding timeout
+- **原因**: Hermes/Ollama 負載高或舊 `/api/embeddings` endpoint 慢，會讓 embedding worker 累加 retry。
+- **檢查**: 看 `embedding_retry_queue` 的 `pending/processing/failed` 分布，並測 `http://192.168.0.111:11434/api/embed`。
+- **修復**: client 預設使用官方 `/api/embed`；若舊節點 404/405 才 fallback `/api/embeddings`。必要時調整 `EMBEDDING_TIMEOUT`。

docs/memory/ai_automation_closure_20260429.md

@@ -25,6 +25,7 @@
 - 2026-04-30 CD Rebuild 模式曾先停三應用容器再 no-cache build，造成 build 時間全變成 502；已改為 build 成功後才短暫 stop/rm/recreate。
 - 2026-04-30 production `NVIDIA_API_KEY` 可列出 Ultra 253B 但呼叫 `nvidia/llama-3.1-nemotron-ultra-253b-v1` 會 404；ElephantAlpha 預設改用 `nvidia/llama-3.3-nemotron-super-49b-v1.5` 並加入 fallback models。
 - 2026-04-30 `DatabaseManager()` 多 route 重複建立曾有吃滿 PostgreSQL clients 風險；已重用 engine/session 並將每 worker pool 收斂為 `pool_size=2/max_overflow=3`。
+- 2026-04-30 OpenClaw embedding worker 曾在舊 `/api/embeddings` 路徑遇到 Hermes timeout；Ollama client 已改為優先 `/api/embed`，舊節點才 fallback `/api/embeddings`。
 
 ## 已落地範圍
 
@@ -62,6 +63,7 @@
 - 2026-04-30 CD rebuild cutover hardening：`tests/test_cd_health_check.py` 覆蓋 build-before-stop 順序。
 - 2026-04-30 ElephantAlpha NIM fallback hardening：新增 `tests/test_elephant_service.py`。
 - 2026-04-30 DatabaseManager pool convergence：`tests/test_database_manager_cache.py` 覆蓋 pool size/overflow 與 engine reuse。
+- 2026-04-30 Ollama embedding API migration：新增 `tests/test_ollama_embedding.py`。
 - 2026-04-29 L2 安全記憶批次：`24 passed`。
 - collect-only：`48 tests collected`。
 - `git diff --check` 已通過。

docs/memory/history_logs.md

@@ -38,6 +38,7 @@
 - **CD Rebuild 切換強化**: rebuild 模式改成先 build 成功、再短暫 stop/rm/recreate 三應用容器，避免 no-cache build 長時間 502。
 - **ElephantAlpha NIM fallback 強化**: production 帳號呼叫 Ultra 253B 會 404，預設改用可呼叫的 Nemotron Super 49B v1.5，並加入 70B / 8B fallback。
 - **DatabaseManager 連線池收斂**: PostgreSQL 每 worker pool 收斂為 `pool_size=2/max_overflow=3`，並以 cache 重用 engine/session。
+- **Ollama embedding API 遷移**: embedding client 優先使用官方 `/api/embed`，舊節點才 fallback `/api/embeddings`，降低 deprecated endpoint 與 timeout 風險。
 
 ### 2026-04-28~29：Phase 3e 重構大戰 + daily_sales cache 隱形 bug 根除
 - **app.py 縮減 -10.8%**: 7,386 → 6,590 行，11 commits 全綠零 502。

services/ollama_service.py

@@ -21,6 +21,7 @@ OLLAMA_HOST = os.getenv('OLLAMA_HOST', 'http://192.168.0.111:11434')
 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')))
 
 
 @dataclass
@@ -505,8 +506,25 @@ class OllamaService:
 
         return self.generate(prompt, system_prompt=system_prompt, temperature=0.5, timeout=120)
 
+    @staticmethod
+    def _extract_embedding(payload: Dict[str, Any]) -> List[float]:
+        """Normalize Ollama /api/embed and legacy /api/embeddings response shapes."""
+        embeddings = payload.get("embeddings")
+        if isinstance(embeddings, list) and embeddings:
+            first = embeddings[0]
+            if isinstance(first, list):
+                return first
+            if all(isinstance(value, (int, float)) for value in embeddings):
+                return embeddings
+
+        embedding = payload.get("embedding")
+        if isinstance(embedding, list):
+            return embedding
+
+        return []
+
     def generate_embedding(self, text: str, model: str = "bge-m3:latest",
-                           host: str = None) -> List[float]:
+                           host: str = None, timeout: int = None) -> List[float]:
         """
         [ADR-007, Step 3] 呼叫 Ollama API 將文字轉換為向量 Embedding
 
@@ -516,22 +534,38 @@ class OllamaService:
         避免 self.host 若指向公開 ollama.wooo.work 時回 401。
         可透過 host 參數 override。
         """
-        target_host = host or os.getenv("EMBEDDING_HOST", "http://192.168.0.111:11434")
+        target_host = (host or os.getenv("EMBEDDING_HOST", "http://192.168.0.111:11434")).rstrip("/")
+        request_timeout = timeout or EMBED_TIMEOUT
         try:
-            payload = {"model": model, "prompt": text}
+            payload = {"model": model, "input": text}
             response = requests.post(
-                f"{target_host}/api/embeddings",
+                f"{target_host}/api/embed",
                 json=payload,
-                timeout=60,
+                timeout=request_timeout,
             )
             if response.status_code == 200:
-                data = response.json()
-                return data.get("embedding", [])
-            else:
+                vec = self._extract_embedding(response.json())
+                if vec:
+                    return vec
+                logger.warning(f"Ollama Embed Empty Response @ {target_host}/api/embed")
+            elif response.status_code not in (404, 405):
                 logger.error(
-                    f"Ollama Embed Error HTTP {response.status_code} @ {target_host}: {response.text[:200]}"
+                    f"Ollama Embed Error HTTP {response.status_code} @ {target_host}/api/embed: {response.text[:200]}"
                 )
                 return []
+
+            # V-Fix: 舊 Ollama 相容；/api/embeddings 已 deprecated，但仍是部分舊節點唯一可用路徑。
+            legacy_response = requests.post(
+                f"{target_host}/api/embeddings",
+                json={"model": model, "prompt": text},
+                timeout=request_timeout,
+            )
+            if legacy_response.status_code == 200:
+                return self._extract_embedding(legacy_response.json())
+            logger.error(
+                f"Ollama Embed Error HTTP {legacy_response.status_code} @ {target_host}/api/embeddings: {legacy_response.text[:200]}"
+            )
+            return []
         except Exception as e:
             logger.error(f"Ollama Embed Exception @ {target_host}: {e}")
             return []

tests/test_ollama_embedding.py

@@ -0,0 +1,52 @@
+from services.ollama_service import OllamaService
+
+
+class FakeResponse:
+    def __init__(self, status_code, payload=None, text=""):
+        self.status_code = status_code
+        self._payload = payload or {}
+        self.text = text
+
+    def json(self):
+        return self._payload
+
+
+def test_generate_embedding_uses_current_embed_endpoint(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.requests.post", fake_post)
+
+    vec = OllamaService().generate_embedding("hello", model="bge-m3:latest", host="http://ollama", timeout=7)
+
+    assert vec == [0.1, 0.2, 0.3]
+    assert calls == [
+        ("http://ollama/api/embed", {"model": "bge-m3:latest", "input": "hello"}, 7),
+    ]
+
+
+def test_generate_embedding_falls_back_to_legacy_embeddings_endpoint(monkeypatch):
+    calls = []
+
+    def fake_post(url, json, timeout):
+        calls.append((url, json, timeout))
+        if url.endswith("/api/embed"):
+            return FakeResponse(404, text="not found")
+        return FakeResponse(200, {"embedding": [0.4, 0.5]})
+
+    monkeypatch.setattr("services.ollama_service.requests.post", fake_post)
+
+    vec = OllamaService().generate_embedding("hello", model="bge-m3:latest", host="http://ollama/", timeout=9)
+
+    assert vec == [0.4, 0.5]
+    assert calls == [
+        ("http://ollama/api/embed", {"model": "bge-m3:latest", "input": "hello"}, 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]