wooo/ewoooc
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
372 Commits 6 Branches 0 Tags
c2124dce00aacb5cee34fc879d9102c6cb94d8ff
Commit Graph

372 Commits

This Branch
This Branch
All Branches
Author SHA1 Message Date
OoO
c2124dce00 feat(p11+): RAG worker cron — promotion_gate / awaiting_review / expire
All checks were successful
CD Pipeline / deploy (push) Successful in 2m53s
Details 
Operation Ollama-First v5.0 / Phase 11+ 收尾（ADR-032/033 落地）

services/learning_pipeline.py 新增 2 個 worker 函數：
- process_pending_episodes(batch=50) — 批次處理 pending → can_promote → promote/reject/await
  純規則引擎，不跑 LLM（Distiller 純 Hermes 規則）
- push_awaiting_reviews_to_telegram(batch=5) — 推 Stage 4 awaiting_review 到 Telegram
  TELEGRAM_ADMIN_CHAT_ID 未設則跳過（fail-safe）
  訊息含 episode_id + weight + quality + 600 字截斷文，附 promotion_review_keyboard 👍/👎

run_scheduler.py 加 3 個 cron + 對應 task wrapper：
- 每 5 分鐘  → run_promotion_gate_worker
- 每 30 分鐘 → run_awaiting_review_push
- 每 4 小時  → run_expire_stale_reviews（24h 無回應 → weight=0.5）

設計安全保證：
- RAG_ENABLED=false 時 learning_episodes 為空，3 個 worker 跑空 loop（無害）
- 所有 worker 例外完全吞掉，僅 log error，不影響其他排程
- promote 成功才回 stats['promoted']++，DB 失敗計 errors

完整 RAG 自主學習迴圈閉環：
  LLM 結果 → Distiller → learning_episodes (pending)
    ↓ 每 5 分鐘 worker
  PromotionGate 4 階段
    ↓ approved → 寫 ai_insights → RAG 可檢索
    ↓ awaiting_review → 每 30 分鐘推 Telegram
        ↓ 24h 無回應 → 每 4h expire → weight=0.5
        ↓ 👍 callback → promote → ai_insights
        ↓ 👎 callback → rejected_human → 永不晉升

仍待 Phase 12+ 完成：
- learning_episodes.embedding 寫入路徑（Stage 3 dedup 解鎖）
- RAG_ENABLED=true 灰度啟用條件（需 100+ episodes + ANTHROPIC_API_KEY）

regression: 70 unit tests 全綠

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-04 09:11:27 +08:00
OoO
4e82acc0f5 feat(p10)+docs(adr): MCP 自建 Stack docker-compose + ADR-031 
Operation Ollama-First v5.0 / Phase 10 + Phase 12 收尾

docker-compose.mcp.yml — 4+3 容器 MCP stack
- postgres-mcp (port 3001): Claude 直連 momo_pro DB read-only RBAC
- mcp-omnisearch (3003): Tavily 主 + Exa 備（取代 Gemini Grounding）
  避開 Brave（2026-02 取消免費 tier）
- firecrawl-self (3002): 自建爬蟲，SPA 反爬蟲
- filesystem-mcp (3004): 跨主機檔案 read-only

護欄 #2 落地（Owen v5.0 鐵律 / ADR-033）：
  firecrawl-self mem_limit:2g + cpus:1.5
  PLAYWRIGHT_BROWSER_POOL_MAX=3
  chrome-reaper sidecar 每小時清 Chrome zombies

安全設計：
- 全部 127.0.0.1 暴露（不外網）
- read-only volume mount（filesystem 只能讀）
- postgres-mcp RBAC mcp_readonly role 限 SELECT 6 熱表
- API key 全走 env var 不寫死

ADR-031 — MCP 自建 Stack 治理決策
- 取代 Gemini Grounding 唯一通路（多供應商策略）
- 預期 70%+ grounding 流量走免費 Tavily
- 188 主機資源 +4-5GB RAM 可控
- Migration Plan：6 步驟（含 Tavily/Exa key 申請 + mcp_readonly role 預建）

啟用前置（待統帥）：
1. .env 加 TAVILY_API_KEY / EXA_API_KEY / MCP_POSTGRES_PASSWORD / FIRECRAWL_AUTH_KEY
2. momo-db 建 mcp_readonly role + GRANT SELECT
3. ssh wooo@110 → ssh ollama@188 → docker compose -f docker-compose.mcp.yml up -d

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-04 09:02:07 +08:00
OoO
6572d521ba fix(embed): generate_embedding 三主機 retry — 修同類「111 死則全死」bug
All checks were successful
CD Pipeline / deploy (push) Successful in 2m42s
Details 
承前 commit e862a90（generate retry）的同類修補：
generate_embedding 之前邏輯：
  target_host = host or env or resolve  # 一次解析
  try: post → mark_unhealthy + return []  # 失敗無 retry

修補後：
  caller 顯式 host → 凍結不 retry（向下相容）
  caller 走 lazy → 三主機 retry 鏈：
    每次 self.host 走 resolve_ollama_host()
    失敗 mark_unhealthy + cache 失效 + 取新主機
    最多 3 次（避免同主機無限迴圈）

影響範圍：KM embedding worker / RAG query embedding / openclaw_learning

regression: 57 unit tests 全綠

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-04 08:56:38 +08:00
OoO
e862a9040c fix(ollama): 解「111 關機 → GCP 也斷」三主機 retry 鏈 + lazy host
All checks were successful
CD Pipeline / deploy (push) Successful in 9m14s
Details 
統帥 2026-05-04 反饋：「111 關機後，兩台 GCP Ollama 也跟著斷線不可用」

根因（雙 bug 連動）：
  1. OllamaService.__init__ 凍結 self.host：
     `self.host = host or resolve_ollama_host()` 是 instance 級凍結
     容器啟動時若 GCP cold start 觸發 fallback 111 → self.host 永遠卡 111
     即使 cache 過期，instance 不會重新 resolve
  2. generate() 失敗無 retry 鏈：
     原邏輯只 mark_unhealthy(self.host) + return failure
     沒有「換下一台主機再試」邏輯 → 111 死則全死

修補（雙管齊下）：
  A. self.host 改 @property：每次存取走 resolve_ollama_host()
     - caller 顯式指定（_explicit_host）才凍結
     - 內部 _RESOLVE_TTL 120s cache 控制 HTTP probe 成本
  B. generate() 三主機 retry 鏈：
     for attempt in range(3):
         current_host = self.host  # property lazy resolve
         if attempted → break (避免無限迴圈)
         post → success ? return : mark_unhealthy + retry
     mark_unhealthy 自動清空 resolve cache，下次 self.host 取新主機

行為對比：
  戰前：GCP cold start 卡 111 → 111 關機 → 全部失敗
  戰後：GCP cold start 卡 111 → 111 關機 → mark_unhealthy(111) →
        self.host 重 resolve → GCP Primary（已暖機）→ 成功

generate_embedding 同類修補延後（caller 多走 explicit host 路徑風險較低）

regression: 36 unit tests 全綠（test_ollama_resolve + test_ai_call_logger）

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-04 08:42:52 +08:00
OoO
c29ce83653 docs(adr): ADR-032 RAG 自主學習迴圈 + ADR-033 三護欄 
Operation Ollama-First v5.0 / Phase 12 Wave 2 收尾

ADR-032 — RAG 自主學習迴圈
- 雙表分離：rag_query_log (audit) / learning_episodes (蒸餾池) / ai_insights (知識庫)
- Distiller 規則引擎（純 Hermes 零 LLM 成本）
- PromotionGate 4 階段晉升閘
- Telegram 反饋環（rag_feedback / promotion_review keyboard）
- feature flag RAG_ENABLED 預設 OFF
- V1-V4 驗收 SQL（命中率 / 晉升通過率 / 反饋分布 / embedding 一致性）

ADR-033 — RAG 三護欄（Owen v5.0 鐵律）
- 護欄 #1 Promotion Gate：強制反饋門檻，weight>=0.8 必經人工驗收
- 護欄 #2 Firecrawl 資源：Docker mem_limit:2g + chrome-reaper sidecar + 1.8GB 告警
- 護欄 #3 BGE-M3 一致性：embedding_signature SHA1[:12] + 啟動跨主機驗證
- 五案否決理由完整（包含「不要反饋按鈕」「不限資源」「:latest 接受漂移」）

Migration Plan 對照：
  ✅ migration 026/028 schema + service 已落地
  ⏳ Phase 12+ 補：embedding 寫入 / worker cron / Telegram 推播 / Firecrawl 部署 / signature 回填

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-04 00:01:19 +08:00
OoO
47fe375952 fix(ci): CD migration apply 邏輯 hotfix — 改跑全 v5.0 範圍（024-099）
All checks were successful
CD Pipeline / deploy (push) Successful in 3m42s
Details 
統帥 2026-05-04 Telegram 報錯：「ai_calls relation does not exist」

根因：
  cd.yaml 原邏輯 `git diff HEAD~1 HEAD -- migrations/` 只看單一 commit。
  v5.0 migrations 024-028 在 commit 4648673（最早），後續 12 個 commit
  都不含 migration → CD「自動 apply」step 一次都沒觸發。
  → ai_calls / mcp_calls / ai_call_budgets / rag_query_log /
    learning_episodes / embedding_signature 全部缺表 / 缺欄位。

修補：改邏輯跑 migrations/02[4-9]_*.sql + 03[0-9]_*.sql 等 v5.0 範圍
  - 所有 v5.0 migration 是 IF NOT EXISTS / WHERE NOT EXISTS 冪等保證
    （critic-A11 第 1 輪 B2/H1/H2/H3/M1/M2 修補時加的）
  - 重跑 100% 無害，已建立的表會被 IF NOT EXISTS 跳過
  - 026 / 027 / 028 含 ivfflat/CONCURRENTLY 走 transactionless apply

push 後 CD 跑完 → ai_calls 表立即存在 → 23:55 token 日報恢復正常

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 23:59:04 +08:00
OoO
c7d6db31f2 feat(p11): RAG 自主學習 + Promotion Gate 4 階段護欄（feature flag OFF）
Some checks are pending
CD Pipeline / deploy (push) Has started running
Details 
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
OoO
d3d90121cf docs(adr): ADR-030 Frontier 多供應商策略 — Anthropic + Google + OpenRouter 
Operation Ollama-First v5.0 / Phase 12 / Phase 7 落地後追認

Phase 7 引入 Anthropic Claude（Opus 4.7 接 Code Review）後，
戰役有 2 家 Frontier 供應商，需明確治理準則：

決策矩陣（與 ADR-028 鎖定 7 場景對齊）：
- 場景 #5 Code Review ⭐: Claude Opus 4.7 (Arena Elo 1548)
  → Gemini 2.5 Flash → ElephantAlpha 49B (3 層 fallback)
- 其他 6 場景維持 Gemini 主鏈

Prompt cache 戰術：
- Anthropic 5min ephemeral：Code Review 命中率預估 80%+，省 ~90% 成本
- Google Gemini：隱式 server-side cache，不可預測

預估月成本：~$32 USD
- Claude $10 + Gemini $8 + NIM $5×2 + OpenRouter $3 + Ollama $0.02

新增供應商 SOP：
1. service wrapper 加 feature flag + is_available() 檢查
2. budget 種子 + ai_calls.provider 白名單
3. unit test (fallback 鏈 + cache hit/miss)
4. 獨立 ADR

對齊：
- migration 024（claude in provider 白名單）
- migration 025（claude $10/月 budget 種子）
- ai_call_logger COST_TABLE（claude-opus/sonnet/haiku 三模型）
- services/anthropic_service.py（Phase 7 落地）

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 23:42:36 +08:00
OoO
2f20d8d7ba db(p11): rag_query_log + learning_episodes — RAG 自主學習迴圈基礎
All checks were successful
CD Pipeline / deploy (push) Successful in 3m30s
Details 
Operation Ollama-First v5.0 / Phase 11 RAG + 自主學習

migrations/027 — rag_query_log（每次 RAG 查詢的 audit log）
- query_text 4KB CHECK + 90 天保留
- VECTOR(1024) bge-m3 embedding (與 ai_insights 一致簽名)
- ivfflat lists=100 索引
- saved_call 欄位追蹤「成功攔截 LLM 呼叫」次數
- feedback_score 1-5（NULL=未反饋）
- 6 條 CHECK 含 chk_rag_saved_consistent

migrations/028 — learning_episodes（蒸餾池 → ai_insights 前哨）
- 8 狀態機：pending/approved/awaiting_review/rejected_*4/expired
- weight 0-1（>=0.8 觸發 PromotionGate Stage 4 人工驗收）
- 9 條 CHECK 含 chk_le_approved_consistent / chk_le_review_consistent
- partial index idx_le_status WHERE in (pending, awaiting_review)
- distilled_text 16KB 上限

docs/phase11_db_design — 設計文檔
- 6 大決策（兩表分離 / ivfflat / partial index / 軟連結 / 90天保留 / 應用層白名單）
- 6 大風險評估（R1 PII / R2 蒸餾失誤 / R3 ivfflat 退化 / R4 dangling FK / R5/R6 trade-off）
- Phase 11 上線後驗收 SQL（EXPLAIN ANALYZE）

PromotionGate 4 階段（v5.0 護欄 #1, ADR-033）：
  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 4: weight >= 0.8 必經 Telegram 👍/👎（24h 無回應 → expired）

A4 fullstack-engineer 同時在寫 services/rag_service.py + learning_pipeline.py，
service 完成後一起部署啟用。

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 23:39:47 +08:00
OoO
943de8466c feat(p7): Anthropic SDK + Claude Opus 4.7 接 Code Review (feature flag OFF)
Some checks failed
CD Pipeline / deploy (push) Has been cancelled
Details 
Operation Ollama-First v5.0 / Phase 7 Frontier 升級

services/anthropic_service.py (新檔, 226 行)
- AnthropicService 包裝 + ClaudeResponse dataclass
- Ephemeral prompt cache 5 分鐘 TTL（重複 system_prompt 省 90% 成本）
- usage 解析 input/output/cache_creation/cache_read 四欄位
- ANTHROPIC_API_KEY 未設或 SDK 缺失時 is_available()=False 靜默退化

code_review_pipeline_service.py — _openclaw_assess 加 L1 Claude 分支
- CODE_REVIEW_USE_CLAUDE flag (預設 OFF，等 ANTHROPIC_API_KEY 設定後翻 ON)
- 路由：Claude Opus 4.7 (Arena code Elo 1548) → Gemini → ElephantAlpha 三層
- request_id 串鏈不變

ai_call_logger.py COST_TABLE 補 3 個 Claude 模型：
- claude-opus-4-7:    $15/$75 per M tokens (程式碼 #1)
- claude-sonnet-4-6:  $3/$15  per M tokens (agentic 平衡)
- claude-haiku-4-5:   $0.8/$4 per M tokens (輕量快速)

requirements.txt: 加 anthropic>=0.40.0
.env.example: 加 ANTHROPIC_API_KEY / CODE_REVIEW_USE_CLAUDE / CLAUDE_MODEL

52 unit tests 全綠（22 logger + 18 anthropic + 5 routing + 7 security）

啟用步驟（待統帥手動）：
  1. .env 加 ANTHROPIC_API_KEY=sk-ant-...
  2. CODE_REVIEW_USE_CLAUDE=true + restart momo-app
  3. 觀察 ai_calls.cache_read_tokens > 0 確認 cache 生效

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 23:31:30 +08:00
OoO
bc4332d53f test(p3): 配合 OPENCLAW_DAILY_HERMES_TEMPLATE 預設翻 ON 更新 assertion 2026-05-03 23:30:47 +08:00
OoO
6aa5bcab88 fix(ollama-first): 3 個 feature flag 翻 ON — Ollama 優先、Gemini 殿後
Some checks failed
CD Pipeline / deploy (push) Has been cancelled
Details 
統帥 2026-05-03 23:30 指令：「免費的優先！最後才是 Gemini」

3 個 flag 預設 false → true（GCP Primary qwen3:14b 已拉好，無阻擋）：
  1. OPENCLAW_QA_OLLAMA_FIRST=true
     → Telegram 戰略 Q&A 走 qwen3:14b（繁中強制 prompt + Gemini fallback）
     → 預期月省 ~6.7M Gemini tokens（戰前 8.4M × 80%）
  2. OPENCLAW_DAILY_HERMES_TEMPLATE=true
     → 日報走 Hermes 模板 + Gemini 200 字洞察（28K → 8K, -71%）
     → 預期月省 ~600K Gemini tokens
  3. NEMOTRON_OLLAMA_FIRST=true
     → 威脅分派走 GCP qwen3:14b → NIM 備援 → ADR-004 規則引擎兜底
     → 預期月省 ~5M NIM tokens（解配額痛點）

合計月省 ~12M tokens（與 ADR-029 預估 -23.5% 對齊）

緊急停用：env 變數設 false 即可（保留 fail-safe）
品質風險：A7 Q&A 有 _is_low_quality_response 守門 → 低品質自動 fallback Gemini

Operation Ollama-First v5.0 / Phase 6.5 hotfix #2 / 落地統帥指令

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 23:28:45 +08:00
OoO
56504ed7c1 fix(ea): Hermes-first short-circuit + 消除 EA escalation LLM 幻覺訊息
Some checks are pending
CD Pipeline / deploy (push) Has started running
Details 
統帥 2026-05-03 23:30 反饋：「EA escalation 訊息空洞、浪費 Gemini API」
根因：
  1. 燒錢：每個 trigger 先跑 Gemini orchestration，再 prefetch Hermes
     Hermes 0 threats 時 → Gemini 已燒，訊息卻空泛幻覺
  2. 空泛：fallback 路徑灌 OpenClaw plan 文字 + decision.reasoning
     全是「312 SKU / 23% / 14 項任務」LLM 自由發揮，無 DB 鉤住

修補：
  A. _execute_autonomous_decision 加 Hermes-first short-circuit
     - 價格類 trigger 先跑 Hermes (5s timeout, 免費 Ollama)
     - 0 threats → 直接 return，不燒 Gemini orchestration
     - 預期 >70% trigger 在此階段攔截，月省 ~3-5M Gemini tokens
     - prefetch 結果存入 trigger.conditions 給 orchestrator 用
       （避免 orchestrator 又自己編 SKU 數字）
     - log_ai_call 記 short_circuit=true 供 token report 統計
  B. _escalate_to_human fallback 路徑改極簡訊息
     - concrete=Hermes 實證 vs concrete=None 兩條路徑徹底分離
     - 有實證 → 完整訊息（含 SKU 流失金額）
     - 無實證 → 極簡訊息「⚠️ Hermes 即時數據不可用」+ SQL 查詢指引
       不再灌 OpenClaw plan 文字 / decision.reasoning（幻覺源頭）

Operation Ollama-First v5.0 / Phase 6.5 hotfix / ADR-021 遵循收尾

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 23:26:18 +08:00
OoO
2b218589bd ci(cd): 自動 apply pending migrations + paths trigger 補 migrations/**
All checks were successful
CD Pipeline / deploy (push) Successful in 3m23s
Details 
- paths trigger 加 migrations/** → DB schema 變更自動觸發 CD
- 新增「套用待跑 migration」step → CD 自動跑 git diff HEAD~1 範圍內的 SQL
- 026 含 CONCURRENTLY 不包 -1 transaction（critic-A11 B2 修補一致）
- 失敗只 warn 不中斷 deploy（migrations 設計為 IF NOT EXISTS / WHERE NOT EXISTS 冪等）

merge 後第一次部署即會自動 apply migrations 024/025/026，
無需統帥 SSH 188 跑 psql。

Operation Ollama-First v5.0 / Phase 6 收尾 / CD 自動化補洞

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 23:12:20 +08:00
OoO
3ea7004a6f refactor(p4)+docs(p5+p6): Meta 降頻 + LOCKED-GEMINI + ADR-028/029 
Phase 4 A10 — OpenClaw 雙塔重劃
- run_scheduler.py: Meta 自審 cron 6h → 每日 12:00（月省 2.25M Gemini, +20% 達標）
- scheduler.py: 移除 icaim 內 2 處 inline meta 觸發
- openclaw_strategist 抽 _push_report_with_charts (call×3) + _collect_mcp_intel (call×2)
- 行數目標 -25% 未達（4 報告函數結構差異大，A10 採保守抽出避險）
- 主戰果：Meta 降頻月呼叫 300 → 30（-90%）

Phase 5 — 5 處 LOCKED-GEMINI 註解（涵蓋鎖定 7 場景）
- services/mcp_collector_service.py:32 (場景 #1: Google Search Grounding)
- services/openclaw_strategist_service.py:40 (場景 #2/3/4: 週/月/年報)
- services/code_review_pipeline_service.py:46 (場景 #5: 100K+ token diff)
- services/elephant_alpha_orchestrator.py:88 (場景 #6: EA HITL)
- routes/openclaw_bot_routes.py:98 (場景 #7: PPT 簡報)

Phase 6 A12 — 憲法級 ADR 三份
- ADR-028「LLM 路由統一準則」(269 行)
  - 5 大支柱：三主機級聯 / Ollama 優先 / 雙塔分工 / Gemini 鎖 7 場景 / 可觀測性
  - 8 個 provider 白名單（DB CHECK 對齊）
  - 30+ caller 名單分「已實作 / 規劃中」
- ADR-029「Hermes-First 雙塔分工」(222 行)
  - 12 項職責重劃表 + A7/A8/A10 落地對照
  - Gemini 月支出 -23.5%（critic 第 3 輪 B5 算術修正）
- ADR-027 附錄（+69 行）
  - 三主機架構（Primary/Secondary/Fallback）
  - 4 條獨立 fallback 鏈
  - 廢止「188 Ollama」概念
- README 索引更新

A11 critic 第 3 輪修補：5 BLOCKER 全清
- B1: 行數 1831 → 2677 (含 baseline 對照)
- B2: 場景 #4 行號 759/1267 → 1102/1628 + annual 不存在註明
- B3: 虛構 caller 改實存（ea_hitl_prefetch → ea_engine 等）
- B4: 白名單三層對齊（DB 8 = ADR 8 = token_report 補 ollama_secondary）
- B5: KPI 算術 50→38 = -23.5% 重核

services/telegram_templates.py: A5 daily_token_report() 函數
services/mcp_collector_service.py: 加 LOCKED-GEMINI 註解
services/elephant_alpha_orchestrator.py: 加 LOCKED-GEMINI 註解

103/103 unit test 全綠（zero regression）

Operation Ollama-First v5.0 / Phase 4 A10 + Phase 5 + Phase 6 A12

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 23:06:08 +08:00
OoO
838267c293 feat(p1+p3): logger 接 13 caller + Q&A/Nemotron/日報 feature flag 灰度 
Phase 1 A4 — 13 個呼叫點接 ai_call_logger（覆蓋率 11.8% → 預估 50%+）
- TOP-1 nemoton_dispatcher: nemotron_dispatch caller (NIM 配額追蹤)
- TOP-2 openclaw_strategist: 4 reports (daily/weekly/monthly/meta) + qa caller
- TOP-3 hermes_analyst: hermes_analyst + hermes_intent (順修 commit 00591c5 殘留 bug)
- TOP-4 code_review_pipeline: code_review_hermes/openclaw/elephant 三鏈 (request_id 串)
- TOP-5 openclaw_bot_routes: openclaw_bot_main/gemini/nim 三層 fallback

Phase 3 A7 — OpenClaw Q&A → qwen3:14b（feature flag OFF）
- OPENCLAW_QA_OLLAMA_FIRST 灰度開關
- 繁中強制 system prompt + Gemini fallback chain
- _is_low_quality_response 品質守門（簡體字檢測 + 拒答訊號 + 結構分數）
- 黃金集 A/B 對照測試框架（10 樣本去 PII）

Phase 3 A8 — OpenClaw 日報 → Hermes 模板（feature flag OFF）
- OPENCLAW_DAILY_HERMES_TEMPLATE 灰度開關
- _compute_daily_kpi 純 SQL + Hermes 規則引擎
- _compute_gemini_insight 精簡 200 字洞察 prompt
- templates/daily_report_v2.j2 + _SafeUndefined 缺欄位優雅降級
- scripts/compare_daily_report_versions.py 雙版本盲測

Phase 3 A9 — Nemotron NIM → qwen3:14b（feature flag OFF）
- NEMOTRON_OLLAMA_FIRST 灰度開關（A2 紅燈：deepseek-r1 假支援，改 qwen3）
- _call_qwen3_dispatch + 既有 NIM tool_calls 解析共用
- 保留 ADR-004「🟡 [降級模式]」Hermes 規則引擎兜底

H6 PII fix — chat_id 進 ai_calls.meta 改 SHA1[:8]（4 處 Bot Q&A）

Code Review pipeline — N3 動態 provider tag（gcp/secondary/111）+ A4 logger 三鏈

37 unit tests 全綠（routing 15 + golden 5 + qwen3 8 + daily template 8 + nemotron 1）

Operation Ollama-First v5.0 / Phase 1 A4 + Phase 3 A7+A8+A9

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 23:05:38 +08:00
OoO
078bf2683c fix(adr-027): Phase 2 — ADR-027 4 破洞修補 + 移除寫死 111 
config.py — B1+B2 lazy resolve
- get_ollama_host() 取代 import-time freeze 的 OLLAMA_HOST
- get_embedding_host() 取代 EMBEDDING_HOST
- 主機切換時不需重啟 Python 進程

services/ollama_service.py — B3+B4 三主機級聯
- resolve_ollama_host(primary, secondary, fallback) 三主機級聯
  - Primary:   34.143.170.20 (SSD) — GCP 主主機
  - Secondary: 34.21.145.224 (SSD) — 同等效能備援
  - Fallback:  192.168.0.111 (HDD) — 最後一道防線
- _is_reachable: HTTP /api/version probe 取代 TCP socket（防 process 卡死假活）
- mark_unhealthy(host) 即時失效 cache，30s 內跳過該主機
- 14 unit tests 全綠

services/aider_heal_executor.py — N2
- 移除寫死 192.168.0.111，改用 get_ollama_host()
- AiderHeal 終於遵循 ADR-027 GCP 優先策略

Operation Ollama-First v5.0 / Phase 2 A6

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 23:05:11 +08:00
OoO
bb891f1a6e feat(observability): ai_call_logger + 23:55 Telegram token 日報 
services/ai_call_logger.py（300 行）— 統一 LLM 遙測層
- context manager log_ai_call() / decorator logged_ai_call()
- async fire-and-forget 寫 ai_calls，DB 失敗永不影響主流程
- kill-switch：連續 10 次失敗自動降級為 logger.info
- env AI_CALL_LOGGING_ENABLED=false 一鍵關閉
- COST_TABLE 集中 13 個模型計費（gemini/claude/nim/ollama）
- PII 保護：meta 只存 prompt_hash[:12]，不存原文
- 22 unit tests 全綠

services/token_report_service.py（580 行）— 6 段落每日 23:55 日報
- Section 1-6: 總覽 / 供應商分布 / TOP10 caller / 成本預算 / 趨勢 / 告警建議
- 7 條告警規則 + Hermes 規則引擎智能建議
- HTML escape + 4096 字元雙保險
- Telegram 失敗 fallback 訊息
- ai_insights 寫入 PII safe（無 chat_id/username 落地）
- 30 unit tests 全綠

A11 critic 護欄：H6 chat_id PII fix（services/openclaw_bot_routes 4 處 → SHA1[:8]）

Operation Ollama-First v5.0 / Phase 1 A4+A5

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 23:04:58 +08:00
OoO
4648673423 db(p1): ai_calls/mcp_calls/budgets schema + bge-m3 signature 
migrations 024/025/026 — 統一 LLM 遙測 + 預算告警 + RAG 一致性護欄
- 024: ai_calls 表 + 5 索引 + 6 CHECK constraint（H1/H2/M3/L3）
- 025: mcp_calls + ai_call_budgets + 10 種子預算（含 ollama_secondary）
- 026: ai_insights.embedding_signature + pgcrypto + CONCURRENTLY index

A11 critic 三輪審查記錄完整保留：
- Phase 1 schema review: 2 BLOCKER + 4 HIGH + 6 MEDIUM 全處理
- Phase 1 final sign-off: 0 BLOCKER + 2 HIGH + 4 MEDIUM
- Phase 6 ADR review: 5 BLOCKER + 6 HIGH 全修

Operation Ollama-First v5.0 / Phase 0+1+6 護欄

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 23:04:42 +08:00
OoO
15800a29ac [V-New] Ollama 主機切換：GCP 優先 / 111 自動備援架構 | services/ollama_service.py, docker-compose.yml
All checks were successful
CD Pipeline / deploy (push) Successful in 12m19s
Details
2026-05-03 16:03:00 +08:00
OoO
2f5666be08 feat(import): drive staleness gate active alert when DB stale >=3d (critic-approved) 
Root cause (debugger 2026-05-02):
  - drive_service.move_file 把 import 完的 Excel 搬到「已匯入」 → 工作夾空
  - auto_import_from_drive 每 30 分跑一次 list 回空 → 走 line 671-677
    silent return {success:True, file_count:0} → daily_sales_snapshot
    自 4/27 12:54 後停更 8 天無任何告警

Patch:
  Drive 空時加 staleness gate：查 DB MAX(snapshot_date)，若距今 >=3 天
  即呼叫既有 _send_data_stale_alert（commit dda0a06）發 Telegram 主動催促 BU 上傳。

critic 5 點修訂全照做：
  1. session 自管：from database.manager import get_session + try/finally close
     （此區段原本沒有 session 變數，在 line 708 才開）
  2. 閾值 >=3 天：跨週末跨假期不上傳是常態，避免誤觸
  3. 沿用 _send_data_stale_alert 既有 3 字串參數，不客製文案
  4. dedupe key = 'upstream_drive'：與下游 daily_report/weekly_strategy/
     monthly_report 區隔，未來 ai_insights 查詢不混淆告警源
  5. logger.error + exc_info=True：staleness 邏輯吞 try/except 不影響主流程
     return success，但留 traceback 可觀測

Regression check:
  - openclaw_strategist_service 不 import import_service → 無循環 import
  - import path 'database.manager' 與 openclaw 既有用法一致（line 31）
  - 找到檔案分支完全未動，主流程行為不變

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 13:10:55 +08:00
OoO
8b76e3872f feat(ppt): competitor v4 — 5-forces strategic analysis (Wave 4 partial)
All checks were successful
CD Pipeline / deploy (push) Successful in 2m49s
Details 
Wave 4 部分完成：competitor v4 五力升級（戰略視角）

generate_competitor_v4_ppt — 7 頁
- P1 封面：含整體領先/勢均力敵/落後徽章 + 三句話戰略指引
- P2 五力雷達圖（matplotlib polar）+ 右側 6 維度分數明細表（含雙條視覺化）
- P3 商品力 + 價格力（雙卡）
- P4 行銷力 + 服務力（雙卡）
- P5 品牌力 + 財務力（雙卡含 momo 8454/PChome 8044/蝦皮 SE/酷澎基本面）
- P6 AI 戰略整合（差異化建議）
- P7 附錄

新增 helper：_mpl_radar_png()
- matplotlib polar projection 五力雷達
- momo 焦糖橘 + 競品蜂蜜金
- 0-10 分尺度，含格線/標籤/圖例

query_competitor_5forces — 半實作
- 商品力：momo SKU 數從 DB 算 / 競品靜態 fallback
- 價格力：靜態（待擴 competitor_price_history 整合）
- 行銷力 / 服務力：靜態知識（電視購物頻道 / 24h 物流 / 訂閱制）
- 品牌力：靜態 + 預留 mcp_collector 整合空間
- 財務力：上市公司公開資訊（momo 8454 富邦集團、PChome 8044、SEA、酷澎）

每個維度自動算 momo - 競品差異 → 識別最大優勢力與最大劣勢力

_ppt_ai_analysis 加 is_5forces 分支
- 角色：BCG/麥肯錫資深戰略顧問
- 結構：整體競爭態勢 / 優勢加碼 / 劣勢補強或避戰 / SMART 三層 / 競爭風險
- max_tokens 2400

路由：
- /ppt competitor_v4         vs PChome（預設）
- /ppt competitor_v4 蝦皮    vs 蝦皮
- /ppt competitor_v4 酷澎    vs 酷澎

Telegram 按鈕：「⚔️ 競業五力 v4」

bump TEMPLATE_VERSIONS['competitor_v4'] = v4.0.0（新類型獨立版本）

簡化限制：商品力/價格力/品牌力的競品具體數據需後續擴 mcp_collector
（PChome SKU API、Dcard 品牌討論度量化等），靜態 fallback 已維持結構完整性

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 13:10:15 +08:00
OoO
ce270edc5d docs(adr): ADR-026 PPT price_elasticity + complete v3 campaign roadmap 
收尾 v3 PPT 戰役（ADR-022~026 共 5 份 ADR）：

完成總計：
- 18 commits（38967ce → 16b169d）
- 16 種有效 PPT 報表
- 2 種 DEPRECATED（bcg / growth）
- 5 ADR 涵蓋完整戰役決策

報表角色覆蓋：
- 戰情/早會：daily / weekly
- BU 主管：monthly / quarterly / half_yearly / forecast / strategy
- CEO/CFO：annual / ttm / market_intel
- 採購/PM：vendor / category / new_product / price_elasticity
- 行銷：promo / promo_compare / customer / market_intel
- 競品：competitor

Wave 4 待辦（受資料層 / 外部整合限制）：
- clv （需 user_id 會員系統）
- competitor v4 五力（需外部 SKU/品牌力資料整合）
- inventory / operations / finance（需新 DB schema）

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 12:50:25 +08:00
OoO
16b169d3ee feat(ppt): price_elasticity sweet spot report v3.1.0 (simplified)
All checks were successful
CD Pipeline / deploy (push) Successful in 2m56s
Details 
Wave 3.3：價格彈性簡化版（採購/PM 定價策略用）

generate_price_elasticity_ppt — 7 頁
- P1 封面：含集中度徽章（過度集中/主流明確/分布健康）+ 三句話結論
- P2 KPI：SKU 數/總訂單/甜蜜點價位/甜蜜點 SKU 數
- P3 各價位桶訂單分布橫條（找甜蜜點，焦糖橘=最高訂單桶）
- P4 各價位桶業績分布橫條（評估高價帶健康度，業界基準 30-50%）
- P5 甜蜜點 TOP 5 SKU（明星價位代表商品，新品設計參考）
- P6 AI 採購策略洞察
- P7 附錄

query_price_elasticity(category, days)
- 對 SKU 算平均售價（總業績 / 數量）
- 7 個價位桶分組（< 200 / 200-500 / 500-1K / 1K-2K / 2K-5K / 5K-10K / > 10K）
- 識別「訂單數最多」的桶 = 價格甜蜜點
- 計算高價帶（>NT$2K）業績佔比（業界基準健康 30-50%）
- 選 sweet_spot 桶內 TOP 5 SKU 作為代表

簡化版限制（為後續 ADR 註明）：
- 非完整 price_elasticity（需要時間序列定價變化資料）
- 但能展示「該品類消費者最買單的價位帶」這個關鍵採購洞察

_ppt_ai_analysis 加 is_price_elast 分支
- 角色：採購主管 + PM
- 結構：甜蜜點解讀 / 高低價帶結構 / SMART 三層 / 風險預警
- 含「斷層補強」概念（識別 SKU 數明顯偏少的價位區間）
- max_tokens 1700

路由：
- /ppt price_elasticity                 全平台 90 天
- /ppt price_elasticity 美妝保養        單品類 90 天
- /ppt price_elasticity 美妝保養 30     自訂天數

Telegram 按鈕：「💰 價格彈性報告」

bump TEMPLATE_VERSIONS['price_elasticity'] = v3.1.0

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 12:48:15 +08:00
OoO
9862edeb44 docs(adr): ADR-025 PPT Wave 3 (new_product + market_intel_weekly) 
Wave 3 完成 2 種橫向資訊整合型報表：
- new_product (95a74c3) — 30 天追蹤，PostgreSQL CTE 識別新品
- market_intel_weekly (fe3cba8) — 8 個外部 API 彙整，fail-safe 設計

累計報表清單：13 種有效 + 2 種 DEPRECATED + 4 種待資料層支援。

Wave 3 餘項（受資料層限制）：
- clv (需 user_id)
- price_elasticity (需長期定價歷史)
- competitor v4 五力 (需外部 SKU/品牌力資料)

Wave 4 待辦（依資料層 schema）：
- inventory / operations / finance

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 12:41:12 +08:00
OoO
fe3cba8496 feat(ppt): market_intel_weekly external signal aggregation v3.1.0
All checks were successful
CD Pipeline / deploy (push) Successful in 3m6s
Details 
Wave 3.2：市場情報週報 — 把 mcp_collector 所有外部 API 彙整成一份內部簡報。

generate_market_intel_weekly_ppt — 7 頁
- P1 封面：本週重點/市場機會/風險警訊三句話（從 AI 自動抽）
- P2 節慶日曆 + 季節情境（雙卡）
- P3 電商新聞 + Google 熱搜（雙卡）
- P4 Dcard 口碑 + YouTube 爆紅（雙卡）
- P5 天氣 + 匯率（雙卡，影響消費行為）
- P6 AI 整合洞察與行動建議
- P7 附錄

外部資料來源（mcp_collector_service / mcp_context_service）：
- mcp_collector.get_holiday_context()  節慶日曆（靜態）
- mcp_collector.get_seasonal_context() 季節情境（靜態）
- get_ecommerce_news()  電商產業新聞（Gemini Grounding）
- get_taiwan_trends()   Google 台灣熱搜
- get_dcard_trends()    Dcard 熱門討論
- get_youtube_trending() YouTube 爆紅商品
- get_taiwan_weather()  台灣天氣
- get_twbank_exchange_rates() 台幣匯率

每個外部 API 用 _safe() wrapper，失敗時填預設文字「（本次擷取失敗或無資料）」。

_ppt_ai_analysis 加 is_market_intel 分支
- 角色：行銷情報分析師 + BU 主管
- 結構：本週市場大事 / 消費者情緒口碑 / 競爭態勢差異化 / SMART 三層 /
  外部風險預警
- max_tokens 2000

路由：
- /ppt market_intel    本週情報週報（自動對齊週一）

Telegram 按鈕：「🌐 市場情報週報」

bump TEMPLATE_VERSIONS['market_intel'] = v3.1.0

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 12:39:57 +08:00
OoO
95a74c3502 feat(ppt): new_product 30-day tracking report v3.1.0
All checks were successful
CD Pipeline / deploy (push) Successful in 2m35s
Details 
Wave 3.1：新品追蹤報告（PM/採購用）

generate_new_product_ppt — 9 頁
- P1 封面：含新品力徽章（強勁/穩健/偏弱/疲弱，依業績佔比）+ 三亮點
- P2 KPI：新品總數/業績/佔比/平均單品業績 + AI 解讀
- P3 新品整體日業績曲線（爬榜軌跡 matplotlib）
- P4 新品依品類分佈橫條
- P5-P7 新品 TOP 50（自動分頁）
- P8 AI PM 戰術洞察
- P9 附錄

query_new_products(days_recent=30, days_baseline=60)
- PostgreSQL CTE：recent EXCEPT early
  recent = 近 30 天有銷售
  early  = 31-90 天前有銷售
- 自動回傳：新品 TOP 50 / 子品類分佈 / 日業績曲線
- 含 ANY array 查詢新品集合的整體日業績

_ppt_ai_analysis 加 is_new_prod 分支
- 角色：PM 商品經理 + 採購主管
- 結構：新品力評估 / 明星新品識別 / 品類分佈與機會 / SMART 三層 / 風險預警
- SMART 行動含：加碼 TOP3 / 觀察排名 11-30 / 數據追蹤
- max_tokens 1800

業界基準：新品業績佔比 5-10% 為健康，>8% 強勁，<3% 偏弱

路由：
- /ppt new_product       預設近 30 天
- /ppt new_product 14    自訂追蹤天數

Telegram 按鈕：「🆕 新品 30 天追蹤」

bump TEMPLATE_VERSIONS['new_product'] = v3.1.0

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 12:37:06 +08:00
OoO
af6157f8ba docs(adr): ADR-024 PPT Wave 2 (forecast + promo_compare) + deprecate bcg/growth
All checks were successful
CD Pipeline / deploy (push) Successful in 2m41s
Details 
Wave 2 完成 2 種新報表：
- forecast_pre_event (9f04dc3) — 檔期前 14 天備戰策略 (BU 主管用)
- promo_compare (958f705) — 多活動 ROI 並排比較 (行銷主管覆盤)

正式廢除（DEPRECATED 標記，函式保留作 internal helper）：
- bcg — 與 strategy 報表功能重疊（strategy 已含 BCG 五級分類）
- growth — 已被 quarterly + half_yearly + annual + ttm 完全取代

報表體系現況：16 種有效（v3 重做 6 + Wave 1 新增 8 + Wave 2 新增 2）+ 2 種
DEPRECATED；4 種角色覆蓋（採購/PM/行銷/CFO/CEO）。

forecast 核心：baseline 日均 × 21 天 × lift_factor，含 8 種檔期靜態知識
（雙11 1.65× / 母親節 1.40× 等），封面倒數天數徽章自動切換。

promo_compare 核心：N 場活動並排 KPI 表 + 拉抬 % 排序橫條 + 4 排名亮點
（最高拉抬/最低拉抬/最佳毛利/最高業績）。

Wave 3 待辦：market_intel_weekly / new_product / clv / price_elasticity
Wave 4 待辦：inventory / operations / finance（依資料層）

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 12:30:35 +08:00
OoO
dda0a06bfd fix(strategist): cast metadata_json text to jsonb for stale alert dedupe 
critic post-review #1 (HIGH): `_send_data_stale_alert` 的 dedupe SQL 對
`ai_insights.metadata_json` (Column(Text)) 直接套用 `->>` operator，PG 會
raise `operator does not exist: text ->> unknown`，被外層 try/except 吞掉，
導致 dedupe 完全失效，daily/weekly/monthly 同日 stale 會送 2-3 次告警噪音。

修法：`metadata_json::jsonb->>'report_type'` 即時 cast Text→JSONB 再取 key
（寫入端用 json.dumps，內容為合法 JSON）。

影響：
- 僅修 services/openclaw_strategist_service.py:353 一行
- grep 確認全 repo 僅此一處 `metadata_json->>` 用法
- 不動 dedupe 視窗 / telegram 發送 / _save_to_ai_insights
- 不動 tests / requirements.txt / 其他檔案

Regression：cast 每次 stale 告警跑一次，效能影響可忽略；若歷史 row
metadata_json 內容非合法 JSON，cast 會 raise 並被 try/except 吞掉，
行為退回現狀（dedupe 失效，但不影響告警送出）。

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 12:29:22 +08:00
OoO
958f705c8e feat(ppt): promo_compare multi-promo ROI report v3.1.0
Some checks failed
CD Pipeline / deploy (push) Has been cancelled
Details 
Wave 2.2：N 場促銷活動橫向比較（行銷主管覆盤用）。

generate_promo_compare_ppt — 5 頁
- P1 封面：含活動數徽章 + 排名亮點（最高拉抬/最低拉抬/最佳毛利）
- P2 並排 KPI 表：8 欄（活動/期間/天數/業績/訂單/毛利/業績拉抬/訂單拉抬）
  支援 14 場以下並排顯示
- P3 業績拉抬橫條圖（matplotlib，按拉抬 % 排序）
- P4 AI 跨活動洞察（成功要素 / 失敗診斷 / SMART 三層）
- P5 附錄

路由：
- /ppt promo_compare 母親節:2026/05/05-2026/05/14|520:2026/05/18-2026/05/22|618:2026/06/14-2026/06/22

每場活動透過 query_promo_comparison 取 ROI 數據，自動產生 4 個排名。

_ppt_ai_analysis 加 is_promo_cmp 分支
- 角色：資深行銷主管
- 結構：整體比較 / 勝出活動成功要素 / 失敗活動診斷 / SMART 三層
- max_tokens 1600

Telegram 按鈕：「🆚 多活動比較」(await:promo_compare)

bump TEMPLATE_VERSIONS['promo_compare'] = v3.1.0

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 12:28:17 +08:00
OoO
9f04dc3951 feat(ppt): forecast_pre_event report v3.1.0 (BU pre-event battle plan)
Some checks failed
CD Pipeline / deploy (push) Has been cancelled
Details 
Wave 2.1：檔期前瞻報告 — 給 BU 主管在檔期前 14 天決定備戰策略。

generate_forecast_pre_event_ppt — 7 頁
- P1 封面：含倒數天數徽章（備戰期/衝刺期/檔期中/已結束）+ 三段預期業績
- P2 KPI 三段對比：本期預期 / 去年同檔期 / Baseline 日均 / 已執行業績
- P3 去年同檔期業績曲線（matplotlib 折線，預測基準視覺化）
- P4 庫存盤點 TOP 30（基於 baseline 期銷量）
- P5 AI 戰術洞察
- P6 附錄

query_forecast_pre_event(event_name, event_date)
- baseline 期：檔期前 60-30 天（去除檔期前期效應）
- 去年同檔期：去年同日期 ± 7 天
- 本期準備窗口：檔期前 14 天到檔期後 7 天
- 預期業績 = baseline 日均 × 21 天 × lift_factor
- lift_factor 靜態知識（母親節 1.40 / 618 1.45 / 雙11 1.65 / 黑五 1.45 等）

_ppt_ai_analysis 加 is_forecast 分支
- 角色：BU 主管 + 行銷投放主管 + 採購三合一
- 結構：檔期定位 / 準備窗口進度 / 庫存戰術 / 廣告滿額門檻 /
  SMART 三層（檔期前7/當日+3/檔期後7）/ 風險預警
- max_tokens 2000

路由：
- /ppt forecast 母親節 2026/05/12
- /ppt forecast 618 2026/06/18

Telegram 按鈕：「🎯 檔期前瞻報告」(await:forecast_event)

bump TEMPLATE_VERSIONS['forecast_pre_event'] = v3.1.0

煙霧測試：7 頁 140KB 全綠。

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 12:25:42 +08:00
OoO
5461c92cf8 docs(adr): ADR-023 PPT system Wave 1 expansion (4 commits, 8 new types) 
紀錄 Wave 1 擴展戰役：從 6 種 PPT 報表擴展到 14 種。

新增報表類型：
- vendor (b6fdb4f) — 採購主管視角，集中度警示 + 議價優先
- quarterly / half_yearly / annual / ttm (1af96f5) — period_review 共用
  generator 一份解 4 種，省 60% 程式碼
- category (d8260fc) — PM/採購視角，90 天縱向 + 子品類 + CTE 新進榜
- customer (48e3dac) — 行銷主管簡化 RFM，受限於無 user_id 做訂單級

技術亮點：
- 共用 Generator 模式（period_review 解 4 種）
- 期間徽章自動切換
- PostgreSQL CTE 做新進榜判定（recent EXCEPT early）
- 限制聲明的誠實設計（customer 無 user_id 註腳）

Wave 2-4 待辦清單見 ADR 內文。

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 02:20:05 +08:00
OoO
48e3dacfc9 feat(ppt): customer analytics report v3.1.0 (simplified RFM, no user_id)
All checks were successful
CD Pipeline / deploy (push) Successful in 2m49s
Details 
Wave 1.4：客戶/訂單分析報告（行銷主管用）— 受限於資料層無 user_id，
做訂單級分析而非完整 RFM。

generate_customer_analytics_ppt — 7 頁
- P1 封面：含客單定位徽章（高/中/低）+ 限制聲明（無 user_id 註腳）
- P2 KPI：總訂單/總業績/平均客單/高客單訂單數
- P3 客單價分佈：6 級分桶橫條（< NT$500 / 500-1K / 1-2K / 2-5K / 5-10K / >10K）
- P4 消費星期分佈：matplotlib 橫條（找熱門時段）
- P5 商品復購排行 TOP 30：同商品在多筆獨立訂單中的次數
- P6 AI 行銷洞察
- P7 附錄

query_customer_analytics
- AOV 分桶（CASE WHEN bucket）
- DOW 星期聚合（PostgreSQL EXTRACT(DOW)）
- 復購商品（GROUP BY 商品名稱 HAVING COUNT(訂單) >= 5）

_ppt_ai_analysis 加 is_customer 分支
- 角色：資深行銷主管（10 年 RFM/CRM 經驗）
- 結構：訂單規模解讀 / 消費熱點 / 商品復購信號 / SMART 三層
- 長期建議：建立會員系統取得 user_id 升級完整 RFM

路由：
- /ppt customer            預設近 30 天
- /ppt customer 2026/04    指定月份

Telegram 按鈕：「👥 客戶/訂單分析」

bump TEMPLATE_VERSIONS['customer'] = v3.1.0

煙霧測試：7 頁 100KB 全綠。

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 02:17:48 +08:00
OoO
d8260fcd25 feat(ppt): category deep dive report v3.1.0 (90-day single category)
All checks were successful
CD Pipeline / deploy (push) Successful in 3m31s
Details 
Wave 1.3：單一品類 90 天縱向深度分析（PM/採購用）。

generate_category_deep_ppt（services/ppt_generator.py）— 12 頁
- P1 封面：含品類定位徽章（主力/成長/長尾）+ 新進榜商品 hero box
- P2 執行摘要：4 KPI（業績/訂單/毛利/SKU 數）+ AI 高階解讀
- P3 90 天日業績走勢（matplotlib 折線 + 日均線 + 高低點）+ 結論帶
- P4 子品類結構：橫條 + 帕雷托雙視圖
- P5-P7 TOP 50 商品（自動分頁）
- P8 TOP 30 廠商
- P9 新進榜商品專頁（近 30 天進榜，過去 60 天無交易判定）
- P10 AI 採購/PM 視角洞察
- P11 附錄

query_category_deep（routes/openclaw_bot_routes.py）
- 一次拉齊：kpis / daily(逐日) / top_products(50) / top_vendors(30) /
  sub_categories(L2) / new_products(近 30 天 vs 60 天前比對)
- 用 PostgreSQL CTE 做新進榜判定（recent EXCEPT early）

_ppt_ai_analysis 加 is_category 分支
- 角色：採購主管 + PM 商品經理
- 結構：品類整體 / 90 天趨勢 / 子品類結構 / SKU 與廠商組合 /
  SMART 三層 / 風險預警
- max_tokens 1800

路由：
- /ppt category 美妝保養        90 天深度（預設）
- /ppt category 美妝保養 30     自訂期間

Telegram 按鈕：「🗂 品類深度報告」(await:category_deep)
TODO：實作 await:category_deep 對應品類選擇互動（下一波）

bump TEMPLATE_VERSIONS['category'] = v3.1.0

煙霧測試：12 頁 300KB 全綠。

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 02:14:07 +08:00
OoO
1af96f5be4 feat(ppt): period_review unified generator for quarterly/half/annual/ttm
All checks were successful
CD Pipeline / deploy (push) Successful in 3m37s
Details 
Wave 1.2：用一份 generator 解 4 種時間維度報表（季/半年/年/TTM）。

generate_period_review_ppt（services/ppt_generator.py）— 12 頁
- 期間類型徽章自動切換（季報/半年報/年報/TTM 滾動）
- P1 封面：含業績狀態徽章 + elevator pitch + 期間動能
- P2 執行摘要：KPI v2 含 △% (vs 上季/上半/去年) + AI 解讀 + YoY 對比帶
- P3 月度業績走勢（matplotlib 折線：本期 + 上期 + 月均線 + 高低點）+ 4 卡指標
- P4 品類分析：橫條 + 帕雷托雙視圖
- P5-P7 TOP 50 商品（自動分頁）
- P8 TOP 30 廠商
- P9 MCP 市場情報
- P10 AI 結構化洞察
- P11 附錄

query_period_summary（routes/openclaw_bot_routes.py）
- 一次拉齊：kpis / monthly_breakdown / top_products(50) / top_categories(8) /
  top_vendors(30)
- 自動算月度聚合（PostgreSQL TO_CHAR）

路由層加 4 種 sub_type 分支：
- /ppt quarterly [YYYY/Q1-4]    當季或指定季
- /ppt half_yearly [YYYY/H1-2]  當半年或指定半年
- /ppt annual [YYYY]            當年或指定年
- /ppt ttm                      最近 12 個月（自動算到本月底）

每種自動抓三段資料：本期 + 上期同等 + 去年同期
- quarterly: 上季 + 去年同季
- half_yearly: 上半年 + 去年同半年
- annual: 去年 + 前年
- ttm: 上一個 TTM (24-12 月前) + 同上

_ppt_ai_analysis 加 is_period 分支
- 角色：策略顧問 + BU 主管 + CFO 三合一視角
- 結構：整體解讀 / 市場趨勢對位 / 月度走勢分析 / 品類結構 / 戰略級 SMART /
  風險預警
- SMART 行動分三層：下期立即啟動（30 天）/ 下期戰略（60-90 天）/
  下下期預備（6-12 月）
- max_tokens 2600，字數 1000-1300

Telegram 按鈕：報表選單加 4 顆季/半/年/TTM 按鈕

bump TEMPLATE_VERSIONS：quarterly / half_yearly / annual / ttm 全 v3.1.0

煙霧測試：4 種全綠，每份 12 頁 220KB。

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 02:10:14 +08:00
OoO
b6fdb4f473 feat(ppt): awaken vendor report + v3.1.0 procurement strategy upgrade
All checks were successful
CD Pipeline / deploy (push) Successful in 2m32s
Details 
Wave 1.1：把沉睡的 vendor generator 喚醒並全面升 v3.1.0：

generate_vendor_ppt（services/ppt_generator.py）— 8 頁
- P1 封面：含集中度警示徽章（健康分散 / 偏高 / 過高）+ 三句話策略要點
- P2 執行摘要：4 KPI 含 △% vs 上期 + 帕雷托 80/20 集中度結論帶
- P3 廠商業績排行：橫條 + 帕雷托雙視圖（matplotlib 暖色系）
- P4-P5 廠商明細表 TOP 30：含 △ 排名變化、🆕 新進榜、業績佔比 bar、
  毛利率紅綠燈（綠 ≥15% / 黃 8~15% / 紅 <8%）
- P6 AI 採購策略洞察（結構化 8 段）
- P7 附錄

query_vendor_summary（routes/openclaw_bot_routes.py）
- 期間（單月/自訂日期區間）廠商業績聚合
- 計算 sales / profit / margin / qty / orders
- 同步抓上期同等期間做 vs 上期 △ 比對

_ppt_ai_analysis 加 is_vendor 分支
- 角色：採購主管 + 供應鏈管理顧問
- 結構：整體解讀 / 集中度與供應風險 / 議價優先 / SMART 行動 / 風險預警
- SMART 行動分三層：立即執行 / 中期強化 / 長期結構（含 OEM/ODM 自有品牌）
- 引用 MARKET_TREND_2026 共用知識基底
- max_tokens 1800，字數 800-1000

路由綁定 _generate_ppt_cmd
- /ppt vendor          當月廠商報告
- /ppt vendor 2026/04  指定月份
- /ppt vendor 2026/04/01-2026/04/15  自訂期間
- 自動抓上期同等期間做 △ 比對

Telegram 按鈕（menu_keyboards.py 的 _submenu_reports）
- 新增「🏭 廠商業績報告」進報表選單

bump TEMPLATE_VERSIONS['vendor'] v2.0 (DEPRECATED) → v3.1.0

煙霧測試：本機 venv 跑 vendor PPT 生成 8 頁 200KB 全綠。

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 02:04:41 +08:00
OoO
abd722986e fix(autoheal): preflight + shell || true 結合性 — 解 24h 100% no-op
All checks were successful
CD Pipeline / deploy (push) Successful in 2m23s
Details 
Debugger 五階段方法論 root cause（2026-05-03）：
ADR-020 政策層 100% 達成（reasoning 全 auto_fix=enabled），但 AiderHeal
執行層 24 小時 0 次 push 成功，全部 silent fail。

兩根因疊加：
  #1 (config) AIDER_REPO_PATH=/home/wooo/ewoooc 在 110 主機不存在
            → 寫 SOP docs/runbooks/aider-heal-110-setup-sop.md 給統帥手動執行
  #2 (code)  setup_cmds 結尾 `git stash 2>&1 || true` 因 shell 結合性等同
            `(A && B && C && D) || true`，cd 失敗整 chain rc=0 被吞，
            line 261 if rc != 0 永不觸發 → setup_failed 從未被 log
  #4 (code)  缺 preflight，環境壞掉時靜默走完整 pipeline 印 no_diff

本次程式碼修復：
  • execute_code_fix 開頭加 L0 preflight（test -d $REPO/.git）
    失敗 fail-fast + Telegram 嚴重告警 + 指向 SOP
  • setup_cmds 改 `A && B && C && (D || true)` 用 subshell 限縮 || true
  • 全檔 5 處 `cd $REPO_PATH` 統一改 `cd shlex.quote(REPO_PATH)`
    避免下次有人複製 cd chain 又踩同類 shell quoting bug

SOP 同步處理 critic High-2 + Medium-6：
  • 步驟 2 改用 SSH clone（git clone gitea-autoheal:...）
    避免 HTTP clone 在 private repo 卡帳密 + 跟步驟 1 部署的 key 不關聯
  • 步驟 4b 修引號嵌套（heredoc + 單引號保護），原版永遠 false positive

Critic 審過 Approve to commit；Medium-2/3/4（速率限制 / log 加 stderr /
新增 preflight unit test）排 follow-up，不阻擋本次。

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 01:55:34 +08:00
OoO
5daa1a45d8 fix(strategist): plug stale gate gaps in daily/monthly + psutil dep + complete stale shape (critic post-review) 
critic post-review 對 commit 9158bbe 找到 3 個 BLOCKER，本 patch 補完。

#1 daily/monthly 路徑沒套 stale gate（Critical）
- generate_daily_report() 在 _fetch_sales_summary(7) 後立刻檢查 sales.get("stale")，
  避免 daily_sales_snapshot 過期時每天 09:00 復發 NT$0 偽日報
- generate_monthly_report() 在 _fetch_monthly_sales_summary 後檢查
  revenue==0 and sku_count==0（_fetch_monthly_sales_summary 沒內建 stale 機制，
  以「無資料」當訊號），避免月初產出 NT$0 偽月報
- 抽出 _send_data_stale_alert(report_type, last_date, period) 統一三條路徑共用，
  以 ai_insights 表查近 24h 同 report_type 的 data_stale_alert 紀錄做 dedupe，
  避免每天 daily/weekly 三份報告同時觸發 → 一天送多次告警噪音
- weekly stale 分支改用 _send_data_stale_alert（return shape 維持 status="error"
  不動，保 9158bbe weekly dedupe/cache 機制下游語意）
- daily/monthly 採 critic 建議的 status="skipped"；scheduler 既有 task 不檢查
  status 也不 raise，EventRouter 不會被誤觸

#2 psutil 沒在 requirements.txt（Critical）
- requirements.txt 加 psutil>=5.9（ADR-019 Phase 2 要求 production 必裝）
- elephant_alpha_autonomous_engine._get_system_load_percentage 加註解：
  ImportError fallback 是 queue-based 估算（pending=14→70%、≥18→90%），
  與真實 CPU 無關，僅 dev defensive；prod 觸發即代表容器映像漏裝

#9 _fetch_sales_summary stale 分支 return shape 不完整（High）
- stale 分支補完 daily/current_7d_revenue/prev_7d_revenue/wow_pct/sku_count
- 數值欄位用 None（非 0）：未套 stale gate 的上游 caller 在 prompt template
  `:,.0f` 會 raise TypeError，比靜默 0 明顯，迫使呼叫端必須 stale gate

三問自審：
- 方案正確：daily 不再發 NT$0（_fetch_sales_summary 後立刻 gate）；psutil 會被
  pip install；stale shape None 在所有 caller 路徑要嘛被 gate 擋下要嘛 raise
- 影響完整：grep 確認 _fetch_sales_summary 三 caller（weekly/daily/monthly via
  _fetch_monthly_sales_summary）皆已加 gate；無下游依賴 data_stale return 字串
- Regression 風險：stale shape 改 None 為純擴充無 caller 取數值欄位；scheduler
  只讀 period/chart_count/action_count 不檢查 status；monthly revenue=0 gate
  在實務 P0 異常時告警，比靜默產 NT$0 月報可接受

不在本 patch scope（critic 任務描述明示禁動）：
- 9158bbe weekly dedupe/cache 機制（_acquire_weekly_strategy_send_lock 等）
- elephant_alpha Phase 1 已修部分（trigger/dispatch/method raise）
- run_scheduler.py 排程設定
- tests/ 內任何測試

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 01:54:21 +08:00
OoO
993bdda1fd feat(ppt-ai): inject shared 2026 Taiwan e-commerce market knowledge to all 6 prompts
All checks were successful
CD Pipeline / deploy (push) Successful in 2m25s
Details 
完成 project memory 待補事項：抽取共用市場趨勢常數 + 補齊未升級的 prompt。

新增 MARKET_TREND_2026 共用常數（routes/openclaw_bot_routes.py）：
- 6 大關鍵檔期 + 拉動幅度（母親節 +30~50% 美妝 / 618 全品類 +30~50% / 雙11 +50~80%）
- 6 條 2026 熱門賽道（永續美妝/母嬰高端/機能性食品/IP 聯名/男性保養/寵物經濟）
- 4 大平台競爭定位（蝦皮/PChome/酷澎/momo）

Inject 到 5 條 prompt（monthly/strategy/promo/competitor/else）：
- 月報、策略、促銷：原 prompt + MARKET_TREND_2026 知識基底
- 競品比較：補上 2026 熱門賽道做美妝/保健/母嬰專項分析的事實基礎
- daily/weekly（else 分支）：完整重寫從 250 字 → 350-450 字 SMART 框架
  + 含市場機會與風險段（檔期卡位 + 競品風險）

bump 版本（所有 6 種 v3.x）：
- daily   v3.0.2 → v3.1.0
- weekly  v3.0.2 → v3.1.0
- monthly v3.1.3 → v3.1.4
- strategy v3.0   → v3.1.0
- competitor v3.0 → v3.1.0
- promo   v3.0   → v3.1.0

效果：6 種報表 AI 分析現在都有共同的市場事實基底，跨報表敘事一致；
單一資料來源避免「不同報表給的市場數字打架」問題。

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 01:42:43 +08:00
OoO
9010a4e6fa docs(adr): add ADR-022 PPT v3 redesign + warm paper + matplotlib + cache versioning 
紀錄本次 PPT 全面重做的架構決策：
- 視覺：暖紙風（_BG_PAPER #F3EEE2）取代暖墨黑封面
- 圖表：matplotlib 暖色系（橫條/折線/帕雷托）取代 python-pptx 原生
- 字型：lxml 直寫 a:latin/a:ea 中英分軌（Consolas + JhengHei）
- 快取：TEMPLATE_VERSIONS 字典自動注入 cache key (tpl_ver)
- AI prompt：升級到顧問深度（市場趨勢脈絡 + SMART 框架）
- 安全：admin 白名單（OPENCLAW_ADMIN_USER_IDS）+ cleanup dry_run 預設

涵蓋 8 commit chain：38967ce → 3b0b4b3 → 52c06f6 → 1c81866 →
b5a2b09 → c7b7cee → 92b8035 → 5a7012f

Critic 全清紀錄：0 critical / 2 HIGH / 4 medium / 3 info 全部修補。

對應 memory：
- reference_ppt_system.md（既存）已更新到 v3 實況
- project_ppt_v3_campaign_20260502.md（新建）戰役紀錄含三大踩坑
- feedback_template_version_cache_pattern.md（新建）可重用設計模式

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 00:25:09 +08:00
OoO
5a7012f1fa fix(ppt): AI parser drops empty-body sections + cap raised 6→10
All checks were successful
CD Pipeline / deploy (push) Successful in 2m33s
Details 
實戰問題：升級 monthly AI prompt 後，AI 輸出多了【行銷與銷售行動建議
— SMART 框架】這個「主段」加 3 個 ■ 子段（本週/本月/下月）。原 parser：

1. ■ 子段被當成新 section（這是正確行為）
2. 但「行銷與銷售行動建議」主段自己 body 變空殼
3. 顯示成「（本段無內容）」醜陋占位
4. 加上 sections[:6] 切斷，後面的競爭定位/風險預警被丟掉

修補（services/ppt_generator.py:_parse_ai_sections）：
- 過濾空 body section（len(body) < 5 視為空殼）
- 上限放寬 6 → 10（容納升級 prompt 後的 9 段：整體/市場/品類/熱銷/
  MCP/本週/本月/下月/風險）

驗證：模擬 9 段輸入 → 過濾後得 6 個非空段，正確包含本週/本月/下月。

bump monthly v3.1.2 → v3.1.3

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 00:15:19 +08:00
OoO
92b80352cb feat(ppt-ai): upgrade prompts to professional sales/marketing depth + 2026 market trends
All checks were successful
CD Pipeline / deploy (push) Successful in 2m33s
Details 
需求：簡報 AI 分析必須詳盡且專業，能直接幫助銷售/行銷策略制定，
反映 2026 年台灣電商當下市場方向與趨勢。

升級三份 prompt（monthly / strategy / promo）：

【共通強化】
- 角色從單純「分析師」升級為三合一：
  策略顧問（BCG/麥肯錫經驗）+ 行銷主管（廣告 ROI、檔期）+ 採購（選品邏輯）
- 明確指明客戶與用途：「BU 主管會用本報告做下週的庫存與行銷預算決策」
- 全部加「市場趨勢脈絡」段，必須觸及：
  (a) 當期關鍵檔期（母親節/520/618/雙11/雙12）對品類的歷史拉抬幅度
  (b) 2026 熱門賽道：永續美妝、母嬰高端化、IP 聯名、敏弱肌、銀髮保健、
     男性保養、寵物經濟、機能性食品
  (c) 平台競爭：vs 蝦皮/PChome/酷澎 的免運門檻、直播帶貨、會員訂閱
- 行動建議升級為 SMART 框架（Specific / Measurable / Achievable /
  Relevant / Time-bound），每條必須含商品名 + 量化目標 + 期限
- 禁用「可能/也許/建議考慮」等模糊用詞，要明確「必須做X、目標Y、期限Z」

【月報 monthly】
- 段落結構從 5 段擴為 7 段：整體解讀 / 市場趨勢 / 品類結構 / 熱銷洞察 /
  MCP 整合 / SMART 行動建議 / 競爭定位與風險
- 行動建議從 6 條（每段2條）擴為 9 條（每段3條），含本週/本月/下月分層
- 字數 500-700 → 900-1200，max_tokens 1600 → 2400

【策略 strategy】
- 加市場趨勢脈絡段、SMART 框架行動建議
- 字數 400 → 600-800，max_tokens 900 → 1400

【促銷 promo】
- 市場信號解讀段升級為三段式（檔期對位 / 品類熱度 / 價格敏感度）
- 結合 2026 台灣電商熱搜賽道

效果：報告從「描述業績」升級為「告訴 BU 主管下週要做什麼、目標多少、何時完成」。

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 00:08:36 +08:00
OoO
00591c5489 feat(ea-hitl): ADR-021 EA 升級審核 pre-fetch + 競價告警金額影響量化 
根治 2026-05-02 統帥反映的三層 EA escalation 訊息空泛問題：

1. _escalate_to_human 對 price_drop_alert / market_opportunity /
   threat_escalation 三類觸發，送 Telegram 前先 await Hermes 取具體
   SKU 清單覆蓋 plan 元流程文字（5s 短超時，失敗 fallback 原 plan）
2. NemoTron 競價告警新增 _compute_business_impact helper：
   過去 7 日營收流失（gap_pct>0 才算）+ 跟進競品建議價，
   dispatch 主路徑 / 防線二 / Hermes rule fallback 三條全部 Python
   獨裁注入，告警含「📉 NT$ X」「🎯 NT$ Y」具體金額
3. 補實 telegram_bot_service.handle_callback 的 momo:eig: prefix
   handler，HITL「🛑 忽略此事件」按鈕首次有對應 audit 寫入

Critic 審查通過（5 項必修全綠）：
- Critical-1: user_label HTML escape 防 Telegram username XSS
- High-1: pre-fetch 改 asyncio.wait_for(5s) 防阻塞 escalation
- High-2: 全部行缺金額時 return None 觸發 plan fallback
- Medium-2: 空 event_id callback 拒絕避免 audit 污染
- Medium-3: gap_pct≤0 時 revenue_loss_7d 強制歸 0 不誤導降價

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-03 00:03:38 +08:00
OoO
650ef4c5db feat(deploy): ADR-020 — momo-app 容器加 CODE_REVIEW_AUTO_FIX_ENABLED 預設 true
All checks were successful
CD Pipeline / deploy (push) Successful in 12m10s
Details 
接續 6cad59f：Python 端預設已改 true，但 188 容器透過 docker-compose
讀 env_file: .env，.env 沒設此 key 時容器仍視為 false（reasoning
顯示 auto_fix=flag_disabled）。本次在 momo-app environment 區塊明確
注入主開關，採 `${CODE_REVIEW_AUTO_FIX_ENABLED:-true}` 機制：
  • .env 沒設 → true（預設生效）
  • .env 顯式 true → true
  • .env 顯式 false → false（保留 escape hatch）

CD pipeline 偵測到 docker-compose.yml 變更會走 rebuild path
（force-recreate momo-app），無需手動干預。

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-02 23:52:49 +08:00
OoO
c7b7ceeb8d fix(ppt): line chart resilience — sparse data + dense xtick + inset legend
Some checks failed
CD Pipeline / deploy (push) Has been cancelled
Details 
實戰在 188 prod 抓到的問題：N=1 時 title/legend/data marker 全擠在頂部。

修補：
- 加 `sparse = n_pts <= 2` 旗標，N<=2 時：
  * 略過平均水平線（單點下無意義且標籤撞 title）
  * marker 加大（5 → 7）讓單點更顯眼
  * 中央加「⚠ 期間僅 N 個資料點」提示框（圓角米底+焦糖橘邊）
  * legend 改 lower right inset（避開 title）
  * x 軸 set_xlim 加邊距避免 marker 貼牆
- 正常 N>=3：
  * legend 從 bbox_to_anchor 上方移到 axes 內 upper right
    (frameon=True 米底邊框，避免與 title 撞)
  * xticklabel 在 N>14 時 rotation=45 ha=right（避免 30 點擠成一團）
  * title pad 加大為 18

bump 版本：
- daily   v3.0.1 → v3.0.2
- weekly  v3.0.1 → v3.0.2
- monthly v3.1.1 → v3.1.2

本機驗證：
- N=1：「資料不足」提示框正確顯示，無重疊
- N=30：30 個 xticklabel 旋轉 45° 清楚分離，legend 右上 inset 不撞 title

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-02 23:52:04 +08:00
OoO
6cad59f83e feat(code-review): ADR-020 全自動修復政策 — 拆掉 CRITICAL/HIGH HITL 閘門
All checks were successful
CD Pipeline / deploy (push) Successful in 2m23s
Details 
post-deploy code review pipeline 改為「任何 finding 一律觸發 AiderHeal」，
局部覆寫 ADR-012 L3 HITL（不影響 schema migration / 流量切換 /
customer-facing 廣播 / AIOps prod SSH 等其他 L3 場景）。安全網改為
Git revert + Gitea CI/CD 健康檢查 + 主開關 CODE_REVIEW_AUTO_FIX_ENABLED。

實作：
  • _ea_orchestrate / _guard_ea_decision / rule fallback 三條路徑統一為
    has_findings AND AUTO_FIX_ENABLED → auto_fix=true
  • _guard 強制 LLM 即使回 auto_fix=False 也升級為 true（核心保證）
  • CODE_REVIEW_AUTO_FIX_ENABLED 預設 false → true
  • Telegram 文案移除「需人工審查」，改顯示主開關狀態
  • action_plan status pending_review → auto_disabled（語意對齊）
  • aider_heal_executor 標頭 ADR-014 → ADR-020、補「直推 main」分支策略

文件：
  • 新增 docs/adr/ADR-020-code-review-full-autoheal.md
  • ADR-012 加 Note 行反向引用 ADR-020
  • README 索引收錄

測試：tests/test_code_review_pipeline_security.py 反轉 HITL 期望，
新增 5 case（含 LLM 降級被 guard 拒絕、LLM human_review_needed=true 被改 false）

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-02 23:44:01 +08:00
OoO
b5a2b09445 fix(ppt): matplotlib CJK fallback covers container Noto CJK JP variant
All checks were successful
CD Pipeline / deploy (push) Successful in 2m19s
Details 
實戰驗證在 188 容器內發現：matplotlib font_manager 從 fonts-noto-cjk
ttc 檔只載入 'Noto Sans CJK JP' / 'Noto Serif CJK JP' 兩個變體（TC/SC/HK/KR
名稱未列入 ttflist），導致原本 fallback 清單比對失敗 → font.family 退到
'sans-serif'（DejaVu Sans）→ 中文 glyph 全部缺失印出 UserWarning。

修正：
- _mpl_setup() fallback 清單加入 'Noto Sans CJK JP' / 'Noto Serif CJK JP'
- 最終 fallback 加 substring match（涵蓋未列入但名稱含 CJK/PingFang/
  JhengHei/YaHei/Source Han/WenQuanYi/Hiragino 的字型）
- _mpl_horiz_bar_png 內重複的 cjk_candidates 邏輯移除，改呼叫 _mpl_setup
  避免兩處清單漂移

註：Noto Sans CJK JP ttc 檔本身含完整 CJK Unified Ideographs，可正常
渲染中文（漢字共用），只是字型名稱叫 JP 而已。

bump 模板版本（舊圖表中文方塊版本快取應失效重生）：
- daily   v3.0   → v3.0.1
- weekly  v3.0   → v3.0.1
- monthly v3.1   → v3.1.1

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-02 23:38:51 +08:00
OoO
1c81866541 fix(ppt): final critic cleanup — Medium-1 OOXML order + Info-1/2 docs
All checks were successful
CD Pipeline / deploy (push) Successful in 2m29s
Details 
清掉剩餘 critic finding（Medium-1 + Info-1 + Info-2）：

Medium-1: _set_run_fonts 違反 OOXML CT_TextCharacterProperties 子元素順序
- 抽出 _insert_rpr_child(rPr, tag) helper：依 ECMA-376 §21.1.2.3 規定
  的順序表（_RPR_CHILD_ORDER）找正確位置插入
- 找第一個排在 target 之後的子元素 → insert 前面；否則 append
- 當前 from-scratch 場景安全；未來改讀模板 .pptx 時也不會踩雷
- 驗證：產生 monthly v3.1，399 個 rPr 全部符合 schema 順序，0 違反

Info-1: cleanup_expired_ppt_cache docstring 補語意說明
- 明確說明 dry_run=True/False 時 deleted_files / deleted_rows / freed_bytes
  欄位語意分別為「將刪除」預估值 vs「已實刪」實際值

Info-2: TEMPLATE_VERSIONS 標記退役 type
- growth / vendor / bcg 三個 type 從未實際落地（依 ADR-014 校正 2026-04-28）
- 加 DEPRECATED 註解，避免後人誤以為已支援

Info-3 SKIP（評估後不做）：
- get_template_version import 改放模組頂部會 trigger ppt_generator 模組級
  REPORTS_DIR.mkdir() 副作用，read-only filesystem 環境會掛
- 保留延遲 import 是 graceful degradation 的 intentional 設計

至此 critic 38967ce 審查清單全綠：
- 0 critical, 2 HIGH (3b0b4b3), 4 medium (52c06f6 + 本 commit), 3 info

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-02 17:39:27 +08:00
OoO
52c06f6861 fix(ppt): admin guard for destructive /cache commands (critic Medium-3)
All checks were successful
CD Pipeline / deploy (push) Successful in 2m14s
Details 
Critic Medium-3：群組內任意成員可執行破壞性快取指令的問題。

新增機制：
- ADMIN_USER_IDS：新增 OPENCLAW_ADMIN_USER_IDS 環境變數
  逗號分隔的 user_id；未設時退回 ALLOWED_USERS（向後兼容）
- _is_admin(user_id)：fail-closed 判定函式
- _CURRENT_USER_ID_CTX：ContextVar 在 webhook 入口（msg + callback）
  set 當前 user_id，避免改 handle_cmd 30+ 處呼叫端簽名

權限模型：
| 指令                              | 權限    | 行為                |
| /cache status                     | 已授權  | 任何已授權用戶可看  |
| /cache cleanup [days]             | 已授權  | 預設乾跑可預覽      |
| /cache flush <type>               | admin   | 拒絕非 admin        |
| /cache cleanup [days] confirm     | admin   | 拒絕非 admin        |
| /cache cleanup [days<1] confirm   | -       | 強制乾跑（防呆）    |

非 admin 嘗試破壞性指令時，回傳清楚錯誤訊息引導設定環境變數。
admin 操作會額外寫 sys_log.warning 留軌跡（含 user_id）。

煙霧測試：
- syntax OK
- _is_admin(None) / _is_admin("abc") / _is_admin(unknown_id) 皆 False
- ContextVar set/get 行為正確

剩餘 Medium 1/2 + Info 類後續再處理（非緊急）。

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-02 17:35:48 +08:00
OoO
3b0b4b3d42 fix(ppt): address critic findings on commit 38967ce (HIGH-1, HIGH-2, Medium-4)
All checks were successful
CD Pipeline / deploy (push) Successful in 2m27s
Details 
Critic 審查 38967ce 找出 2 HIGH + 4 medium，本 commit 修最緊急三項：

HIGH-2: cleanup_expired_ppt_cache 預設 dry_run=False 危險
- 函式 default 改 dry_run=True（呼叫方需明確傳 False 才實刪）
- launchd 排程腳本改用 DRY_RUN 環境變數，預設 false→實刪，
  但測試時可 DRY_RUN=true 安全跑
- /cache cleanup Telegram 指令預設乾跑，需加 confirm 才實刪
- /cache cleanup days<1 強制乾跑（防呆）

HIGH-1: matplotlib 三個 helper 缺 try/finally → 渲染失敗洩漏 figure
- _mpl_horiz_bar_png / _mpl_line_chart_png / _mpl_pareto_chart_png
  全部用 try/except/finally 包住，例外時 plt.close() 仍執行
- 同時讓渲染失敗回 None（呼叫端自然 fallback 到原生 chart）

Medium-4: scripts/ppt_cleanup.sh PROJECT_DIR 寫死
- 改用相對路徑解析（cd $SCRIPT_DIR/..），手動執行不再需要設環境變數
- VENV_PY 找不到時 fallback 到系統 python3（容器友善）
- 新增 DRY_RUN 環境變數開關（預設 false）

煙霧測試：
- syntax OK (services/ppt_generator.py + routes/openclaw_bot_routes.py)
- monthly v3.1 重生 10 頁 290KB
- cleanup_expired_ppt_cache dry_run default = True ✓

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
 2026-05-02 17:23:02 +08:00