語意門檻改相對式＋下架連帶刪向量（leo 兩個實測回饋）

## ① 「關懷型 AI 命中 20 筆、只有前 3 筆相關」⇒ 閾值太寬（leo 判斷正確）
固定門檻兩頭都不對，因為每個查詢的分數尺度不同（實測 youlin 實例）：
  關懷型 AI          正解 0.645-0.770，雜訊起於 0.547  ← 固定 0.5 放進 6 筆雜訊
  閉環機             正解 0.552-0.638，雜訊起於 0.446  ← 固定 0.6 砍到剩 2/4（＝早上的 0 命中）
  人力媒合系統規劃書   正解 0.842，雜訊起於 0.550
⇒ 改**相對門檻** max(0.45, top×0.8)。五組實測：固定 0.5 混入 9 筆雜訊／
  固定 0.6 有兩組正解被砍／相對式四組雜訊 0 且正解全留。

## 🔴 寫測試才發現的真問題：門檻不能在 Vectorize 那層算
Vectorize 的 indexed metadata 沒有 status ⇒ 那層不知道誰已下架。
若最高分是下架殘影（t24 復現案 0.971），拿它算門檻＝0.777，
會把 0.6 的正解一起砍光 ⇒ **又變成 0 命中**。
⇒ 相對門檻移到 routes/entries.ts，接在「hydrate＋濾下架」之後；
  embed.ts 只留絕對下限。新增測試鎖住這個順序。

## ② leo：「理論上它的向量也要刪掉，就不會有殘影了吧？」——對，補上
單筆真刪已接 deleteByIds（b7af622），但「移除整個庫」走軟刪、向量原地不動。
⇒ deprecate-by-library 同時 deleteByIds ＋ is_embedded 歸零（D1 與 Vectorize 不說兩套話）；
  backfill 兩條路徑（含 reindex）都排除 deprecated，否則下次補嵌會把殘影養回來。
不違背 t135「資料保留可還原」：D1 那列原封不動，還原後跑 backfill 重嵌即可。
回應新增 vectors_deleted，刪失敗誠實回 0 不假裝清乾淨。

驗：kbdb 91/91 綠（新增 4 項相對門檻測試，含「下架殘影不得決定門檻」）

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

kbdb/tests/search-deprecated-filter.test.ts

@@ -203,7 +203,10 @@ describe('t24 案② — semantic 濾 deprecated ＋ 補位（t11 斷點②：0.
     };
     const captured: Captured[] = [];
     const { app, env } = makeApp(captured, { ...makeSemanticEnv(calls, matches), _entryMeta: entryMeta });
-    const res = await app.request('/entries/search?q=x&mode=semantic&top_k=5', {}, env);
+    // 顯式帶 min_score：本案要測的是「濾下架＋不硬湊」，不是分數門檻。
+    // 2026-08-05 起未帶 min_score 會套相對門檻（top×0.8），0.6 的 a3 會被砍掉
+    // ⇒ 那會把這個測試變成在測門檻。帶一個寬鬆的絕對值，把門檻這個變因移開。
+    const res = await app.request('/entries/search?q=x&mode=semantic&top_k=5&min_score=0.4', {}, env);
     const body = (await res.json()) as { entries: Entry[]; count: number };
     expect(body.entries.map((e) => e.id)).toEqual(['a1', 'a2', 'a3']);
     expect(body.count).toBe(3);
@@ -224,3 +227,64 @@ describe('t24 案② — semantic 濾 deprecated ＋ 補位（t11 斷點②：0.
     expect(body.count).toBe(1);
   });
 });
+
+// ── 相對門檻（2026-08-05，leo 實測「關懷型 AI」命中 20 筆、只有前 3 筆相關）────────────
+//
+// 這組鎖住兩件事：
+//   ① 門檻跟著「這次查詢的最高分」走，不是固定值
+//      （固定 0.5 放太多雜訊；固定 0.6 會把「閉環機」那種整體偏低的查詢砍成 0 命中）
+//   ② 🔴 **門檻必須在濾掉下架之後才算**——否則一筆 0.971 的下架殘影會把 0.6 的正解一起帶走，
+//      那正是 leo 08-05 早上撞的「0 命中」的翻版。t24 的 0.971 復現案就是這種殘影。
+describe('相對門檻（08-05）— 跟著最高分走，且在濾下架之後才算', () => {
+  it('低分尾被砍：0.77/0.74/0.64 留下，0.55 以下砍掉（門檻 0.77×0.8=0.616）', async () => {
+    const calls: { opts: Record<string, unknown> }[] = [];
+    const matches = [
+      { id: 'hit1', score: 0.77 }, { id: 'hit2', score: 0.74 }, { id: 'hit3', score: 0.64 },
+      { id: 'noise1', score: 0.55 }, { id: 'noise2', score: 0.53 }, { id: 'noise3', score: 0.52 },
+    ];
+    const captured: Captured[] = [];
+    const { app, env } = makeApp(captured, makeSemanticEnv(calls, matches));
+    const res = await app.request('/entries/search?q=x&mode=semantic', {}, env);
+    const body = (await res.json()) as { entries: Entry[]; count: number };
+    expect(body.entries.map((e) => e.id)).toEqual(['hit1', 'hit2', 'hit3']);
+  });
+
+  it('整體偏低的查詢不會被砍光：0.638/0.603/0.588/0.552 全留（門檻 0.638×0.8=0.510）', async () => {
+    const calls: { opts: Record<string, unknown> }[] = [];
+    const matches = [
+      { id: 'l1', score: 0.638 }, { id: 'l2', score: 0.603 },
+      { id: 'l3', score: 0.588 }, { id: 'l4', score: 0.552 }, { id: 'noise', score: 0.446 },
+    ];
+    const captured: Captured[] = [];
+    const { app, env } = makeApp(captured, makeSemanticEnv(calls, matches));
+    const res = await app.request('/entries/search?q=x&mode=semantic', {}, env);
+    const body = (await res.json()) as { entries: Entry[] };
+    expect(body.entries.map((e) => e.id)).toEqual(['l1', 'l2', 'l3', 'l4']);
+  });
+
+  it('🔴 下架殘影不得決定門檻：0.971 已下架 → 門檻要用倖存者的 0.6 算，正解不被帶走', async () => {
+    const calls: { opts: Record<string, unknown> }[] = [];
+    const matches = [
+      { id: 'dep-ghost', score: 0.971 },  // 下架殘影，分數卻最高
+      { id: 'real1', score: 0.60 }, { id: 'real2', score: 0.52 },
+    ];
+    const entryMeta: Record<string, string | null> = { 'dep-ghost': JSON.stringify({ status: 'deprecated' }) };
+    const captured: Captured[] = [];
+    const { app, env } = makeApp(captured, { ...makeSemanticEnv(calls, matches), _entryMeta: entryMeta });
+    const res = await app.request('/entries/search?q=x&mode=semantic', {}, env);
+    const body = (await res.json()) as { entries: Entry[] };
+    // 若拿 0.971 算門檻＝0.777 ⇒ real1/real2 全被砍 ⇒ 0 命中（就是那個病）。
+    // 正解：殘影先被濾掉，門檻用 0.6×0.8=0.48 算 ⇒ 兩筆都留。
+    expect(body.entries.map((e) => e.id)).toEqual(['real1', 'real2']);
+  });
+
+  it('caller 顯式帶 min_score → 尊重絕對值，不再加碼相對門檻', async () => {
+    const calls: { opts: Record<string, unknown> }[] = [];
+    const matches = [{ id: 'a', score: 0.9 }, { id: 'b', score: 0.5 }, { id: 'c', score: 0.3 }];
+    const captured: Captured[] = [];
+    const { app, env } = makeApp(captured, makeSemanticEnv(calls, matches));
+    const res = await app.request('/entries/search?q=x&mode=semantic&min_score=0.4', {}, env);
+    const body = (await res.json()) as { entries: Entry[] };
+    expect(body.entries.map((e) => e.id)).toEqual(['a', 'b']); // 0.3 被絕對門檻砍，0.5 留著
+  });
+});