「一個完整的生產級 AI Agent，不能只管把報告推播出去，更必須將每日產出的市場數據、AI 預判方向與推播狀態進行持久化追蹤，為後續的勝率統計與離線 Evaluation 建立數據基石。」

（配合前幾天介紹的 daily_analysis.py 核心邏輯演進，決定將 Day 19 的主題稍微調整，直接聚焦在當前版本中最硬核的「資料持久化追蹤與 AI 方向標籤提取」實作上！）

在 Day 18 中，我們完成了 daily_analysis.py 透過 Telegram API 推播訊息的 UTF-8 長度切分與語法降級機制。報告成功發送之後，我們隨即面臨另一個營運痛點：如何無痛紀錄並評估 Agent 每日產出的預測品質呢？
如果只把報告留存在 Telegram 或 Local Log 中，要進行長期勝率統計與覆盤會非常困難。因此，我們在 daily_analysis.py 的主流程中整合了 Google Sheets 自動化紀錄機制（record_daily_data），將每日大盤數據、美股指數、AI 預判方向與執行狀態自動寫入雲端試算表。

本篇重點摘要

1. 剖析 daily_analysis.py 整合 sheets_tracker.py 的容錯載入（Try-Import）設計。
2. 解析如何從 AI 報告中自動提取「看多/看空/中性」方向標籤。
3. 實作 Google Sheets 每日維護資料集（包含指數、成交量、推播狀態與分析摘要）。

一、模組容錯載入與非阻斷式設計

在 Production 環境中，外部服務（如 Google Cloud API Credentials）可能會因為憑證過期或網路抖動無法連線。為了防止 Google Sheets 紀錄失敗影響到 Telegram 主推播流程，我們在 daily_analysis.py 頂層採用了安全載入機制：

Python
# Google Sheets tracking 容錯載入
try:
 from app.sheets_tracker import record_daily_data
 SHEETS_ENABLED = True
except ImportError:
 SHEETS_ENABLED = False
 print("[WARN] sheets_tracker not available")

透過 SHEETS_ENABLED 布林值標記，即便伺服器環境未配置 Google API 金鑰，主流程依然能順利完成盤後分析與 Telegram 推播，不會發生阻斷性崩潰（Non-blocking Architecture）。

二、AI 預判方向動態提取與結構化封裝

當 generate_report() 產出最終報告後，系統會自動掃描報告關鍵字，將非結構化的自然語言報告轉化為結構化的方向標籤：

Python
# Step 6: Record to Google Sheets 中提取 AI 方向標籤
if SHEETS_ENABLED:
 print("\n[6/7] Recording to Google Sheets...")
 try:
     # 提取當日數據
     tw_summary = market_data.get('taiwan', {}).get('monthly_summary', {})
     us_info = market_data.get('us', {})
     
     # 從 AI 生成報告中自動判斷 AI 方向標籤
     ai_direction = "中性"
     report_lower = report.lower() if report else ""
     if any(w in report_lower for w in ["看多", "偏多", "樂觀", "上漲"]):
         ai_direction = "看多"
     elif any(w in report_lower for w in ["看空", "偏空", "悲觀", "下跌"]):
         ai_direction = "看空"

接著，將當日所有 TWSE 成交金額、美股三大指數與推播執行狀態封裝為標準字典：
Python sheets_data = { '日期': datetime.now(TW_TZ).strftime('%Y-%m-%d'), '加權指數': tw_summary.get('收盤指數', 'N/A'), '漲跌幅(%)': tw_summary.get('漲跌百分比(%)', 'N/A'), '成交量(億)': tw_summary.get('成交金額(元)', 'N/A'), 'S&P 500': str(us_info.get('S&P 500', {}).get('price', 'N/A')), 'NASDAQ': str(us_info.get('NASDAQ', {}).get('price', 'N/A')), '道瓊': str(us_info.get('Dow Jones', {}).get('price', 'N/A')), 'AI方向': ai_direction, '推撥狀態': '成功' if success else '失敗', '分析摘要': (report or '').replace('\n', ' ')[:500], } record_daily_data(sheets_data) print(" ✓ Recorded to Google Sheets") except Exception as e: print(f" [ERROR] Sheets recording failed: {e}")

三、自動寫入與營運覆盤價值

  在 main() 函式的末段，當 Telegram 發送成功後，這道資料寫入工序會自動觸發：
  
  ```
  Plaintext
  [1/6] Fetching market data...
  [2/6] Querying knowledge base...
  [3/6] Generating AI analysis report...
  [4/6] Preparing final report...
  [5/6] Sending to Telegram...
  [6/7] Recording to Google Sheets...  <-- 自動持久化寫入
  [7/7] Storing analysis in knowledge base...
  ```
  
  ### 營運覆盤效益：
    1. 數據零代價累積：每日自動建立結構化歷史資料集，省去手動紀錄的麻煩。
    2. 自動勝率對照：將每日提取的 AI方向 與次日 TWSE 實際漲跌比對，即可在 Google Sheets 中公式化計算 Agent 的真實預測勝率。
    3. 監控與告警：紀錄 推撥狀態，作為自動化巡檢與維運除錯的依據。

四、今日總結

透過 daily_analysis.py 整合 Google Sheets 自動追蹤模組，我們實現了：
1. 營運資料 cycle：數據抓取 $\rightarrow$ AI 三階段推理 $\rightarrow$ Telegram 推播 $\rightarrow$ Google Sheets 自動紀錄。
2. 高容錯降級：採用 Try-Import 模式，確保紀錄模組不會影響推播核心主管線。

明天（Day 20）我們將正式進入 部署架構重大重構：從 Podman 遷移至 Native systemd system service (angelina.service) 的託管實務！

明日預告：【Day 20】部署架構重構：Podman 到 Native systemd 服務遷移 (angelina.service)