3 Commits

Author	SHA1	Message	Date
OoO	4d62731730	[V10.322] 修正 Telegram 決策審核推播入口	2026-05-20 12:35:12 +08:00
OoO	84a8c07e4a	feat(p11.5): learning_episodes embedding 寫入 — 解鎖 Stage 3 dedup ... Operation Ollama-First v5.0 / Phase 11.5 收尾（A4 已知 limitation 補完） 問題：Phase 11 A4 完成時揭露： > Stage 3 dedup 需 episode 先 embed：目前 LearningPipeline.enqueue 寫入時 > embedding 為 NULL，所有 episode 都會略過 Stage 3 dedup 修補： - learning_pipeline.enqueue 內 episode INSERT commit 後 enqueue embedding worker - 用既有 _enqueue_embedding('learning_episodes', episode_id, distilled_text) - ADR-007 retry queue worker 自動處理（_process_one_embedding 已動態 UPDATE {target_table}，已支援 learning_episodes 表） - distilled_text 截 4000 字避免 retry queue 表膨脹 - 失敗 swallow，僅 log debug（不阻擋 episode_id 回傳） 落地 ADR-033 護欄 #1 完整版： Stage 1: quality_score >= 0.7 ✅ 既有 Stage 2: 無幻覺檢測（規則引擎） ✅ 既有 Stage 3: 與既有 insight cosine < 0.95 ✅ 解鎖 ⭐ Stage 4: weight >= 0.8 必經 👍/👎 ✅ 既有 regression: 70 unit tests 全綠（含修正 test_enqueue_returns_id_on_success 配合新增 _enqueue_embedding 的 commit 計數變化） Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>	2026-05-04 09:16:39 +08:00
OoO	c7d6db31f2	feat(p11): RAG 自主學習 + Promotion Gate 4 階段護欄（feature flag OFF） ... Operation Ollama-First v5.0 / Phase 11 / RAG 自主學習迴圈 services/rag_service.py (532 行) - RAGService.query() — bge-m3 embed + cosine 0.85 threshold + top_k=5 - get_embedding_signature() — v5.0 護欄 #3 一致性檢查 (SHA1[:12]) - fire-and-forget rag_query_log INSERT (不阻塞主流程) - feedback() — Telegram 👍/👎 寫回 feedback_score - RAG_ENABLED 預設 OFF（戰前行為不變） services/learning_pipeline.py (750 行) - Distiller — 純 Hermes 規則引擎，零 LLM 成本 Quality 規則：MCP >200 字 0.8 / LLM JSON ok 0.9 / TextRank 0.6 / 👍 1.0 / 👎 0.0 - PromotionGate — Owen v5.0 護欄 #1 鐵律 Stage 1: quality_score >= 0.7 Stage 2: 無幻覺檢測（規則引擎，零 LLM） Stage 3: 與既有 insight 相似度 < 0.95（Stage 3 在 episode embed 後啟用） Stage 4: weight >= 0.8 必經 Telegram 👍/👎 - expire_stale_reviews() — 24h 無回應自動降級 weight=0.5 - hash_human_approver — Telegram username SHA1[:8] PII 保護 services/hermes_analyst_service.py — 新增 analyze() RAG-first - RAG hit → return synthesize（不燒 LLM） - RAG miss → 既有 LLM 路徑 + enqueue learning_episodes services/openclaw_strategist_service.py — Q&A 入口接 RAG-first - 不動週/月/年報（敘事報告 RAG hit 機率低） services/telegram_templates.py - rag_feedback_keyboard() — 👍/👎 inline keyboard - promotion_review_keyboard() — Stage 4 人工驗收按鈕 routes/openclaw_bot_routes.py — 3 組 callback handler - rag_fb:{id}:{score} → rag_service.feedback() - pg_ok:{episode_id} → PromotionGate.promote() - pg_no:{episode_id} → PromotionGate.reject() 70 unit tests 全綠 + 全戰役 196 tests zero regression（4:17 跑完） 剩餘 limitations（Phase 12+ 補）： 1. learning_episodes.embedding 寫入路徑（Stage 3 dedup 暫 skip） 2. PromotionGate worker cron 未掛 3. Telegram awaiting_review 推播未接（callback handler 已就位） 灰度開啟條件（建議 1 週後）： - ANTHROPIC_API_KEY 設定 + RAG_ENABLED=true + threshold=0.90 保守 - feedback_score >= 4 比率 > 70% → threshold 降至 0.85 Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>	2026-05-03 23:56:12 +08:00