feat(t152): workers_ai_chat 種子（auth: binding，免金鑰）＋ 修 /init/seed 吃掉 3.12 欄位＋ 修 D1 LIKE 長查詢 500

SDD: workflow-discovery 3.12/3.13（不是新規格；3.12 已 confirmed 並實作完成）

## 1) workers_ai_chat 種子（新）
Cloudflare Workers AI 走 env.AI binding ⇒ 用戶不必填任何 API 金鑰就能問答。
放種子表而非產品安裝器：「裝好後預設有哪些 recipe」是平台能力（rule 07 薄殼原則）。
換模型／換供應商＝改這一筆 recipe，workflow 不動。

選型實測（1.4.4 實例，真實長度 RAG prompt，每個模型連跑 2 次）：
  llama-4-scout-17b        2373／2173 ms  ✅ 答案最完整、引用正確 ← 選它
  llama-3.3-70b-fp8-fast   3261／2147 ms  ✅ 可用但波動較大
  mistral-small-3.1-24b    3560／3631 ms
  qwen2.5-coder-32b        3572／3353 ms
  gpt-oss-120b             1971／2295 ms  ❌ 回應形狀不同，response 取不到文字
  gemma-3-12b-it           ❌ 5018 帳號無權限
對照舊路徑 Gemini gemma-4-31b-it：同型提問 16.87 s，且吐整段英文思考草稿。

## 2) 修 /init/seed 靜默吃掉 3.12 欄位
3.12 給 RecipeDefinition 加了 body_template/response_map/auth/binding_name，
但 /init/seed 是**列舉欄位重建** recipe record ⇒ 不在名單上的欄位被丟掉。
最惡劣的地方是「哪裡都不會紅」：recipe 查得到、endpoint 對，只有跑起來像沒設定過。
與 08-02 syncManifest 吃掉 manifest.daemon 欄同型（教訓：東西還在不在也要進機械閘）。
加 tests/init-seed-recipe-fields.test.ts：拿掉修復會紅、補回會綠（已實測會擋）。

## 3) 修 D1 LIKE pattern 50 bytes 上限造成的 500
/entries/search?q=… 只要 q 超過 48 bytes 就回 HTTP 500，沒有錯誤訊息。
逐 byte 二分：48→200／49→500；中文 16 字→200／17 字→500。
判別實驗：q 固定 48 bytes、其他 filter 全塞滿讓 SQL 變很長 → 仍 200
⇒ 爆的是 LIKE 的 pattern（'%'+q+'%' = 50），不是 statement 長度。
中文問句超過 16 字是常態，而 rag_chat 用整句問題當 q ⇒ 聊天對正常問句等於不能用。
（＝InkStoneCo status.md 待辦第 1 條「KBDB keyword 長查詢會炸」的根因。）
修法：q ≤ 48 bytes 走原路（行為逐字不變），超過才拆詞／切 UTF-8 邊界片段。
kbdb 全套 83 測全綠（含新增 8 項）。

## 4) 順手
- 移除被 commit 進 repo 的 node_modules 壞 symlink（指向 leo Mac 的絕對路徑，
  害任何 fresh clone 裝不起來、切分支還會把裝好的蓋掉——本次撞了兩次）。
- pending-changes.md 加 P2 提案（fan-out 並行執行）＋等裁決，未動引擎。

驗證：cypher-executor 新增測試 17/17 綠；tsc 與基線逐字相同；
全套測試失敗集合與基線**逐字相同**（基線 14 個失敗，本分支 t173 既有，非本次引入）。

cypher-executor/src/lib/api-recipe-seeds.ts

@@ -22,13 +22,21 @@
  *   KBDB 改網址後同步更新此處。seed 先照現況進。
  */
 
+import type { ResponseMap } from './recipe-payload';
+
 export interface ApiRecipeSeed {
   canonical_id: string;
   display_name: string;
   description?: string;
+  /** HTTP recipe＝要打的網址；`auth: 'binding'` 型＝要呼叫的資源名（如 Workers AI 的模型 id）。 */
   endpoint: string;
   method: string;
   auth_service?: string;
+  // ── payload/回應/binding 三層（3.12）：全選填，既有種子不帶＝行為完全不變 ──
+  body_template?: Record<string, unknown>;
+  response_map?: ResponseMap;
+  auth?: 'static_key' | 'service_account' | 'oauth2' | 'binding';
+  binding_name?: string;
 }
 
 export const API_RECIPE_SEEDS: ApiRecipeSeed[] = [
@@ -120,4 +128,47 @@ export const API_RECIPE_SEEDS: ApiRecipeSeed[] = [
     method: 'POST',
     auth_service: 'line_notify',
   },
+
+  // ── LLM 對話（binding＝免金鑰，3.12 第四型認證的第一個真實案例）──
+  //
+  // 為什麼進種子（而非寫在某個產品的安裝器裡）：「裝好之後預設有哪些 recipe」是平台能力，
+  // 與本檔其餘種子同理由（見檔頭）。裝完 /init/seed 就有 ⇒ **用戶不填任何金鑰就能問答**。
+  //
+  // 換模型／換供應商＝**改這一筆 recipe**（endpoint + body_template + response_map），
+  // workflow 的 ask_llm 節點不動——這正是「換源＝換 recipe 不是換引擎」。
+  //
+  // 選型實測（2026-08-03，在 1.4.4 實例上跑真實長度的 RAG prompt，每個模型連跑 2 次）：
+  //   @cf/meta/llama-4-scout-17b-16e-instruct        2373／2173 ms　✅ 答案最完整、引用正確
+  //   @cf/meta/llama-3.3-70b-instruct-fp8-fast       3261／2147 ms　✅ 可用但波動較大
+  //   @cf/mistralai/mistral-small-3.1-24b-instruct   3560／3631 ms
+  //   @cf/qwen/qwen2.5-coder-32b-instruct            3572／3353 ms
+  //   @cf/openai/gpt-oss-120b                        1971／2295 ms　❌ 回應形狀不同，response 取不到文字
+  //   @cf/google/gemma-3-12b-it                      ❌ 5018 This account is not allowed to access this model
+  // 對照舊路徑（Gemini `gemma-4-31b-it`）：同型提問 **16.87 s**，且吐整段英文思考草稿
+  //   ⇒ 選 llama-4-scout：**快 7 倍以上，且不需要淨化思考草稿**。
+  {
+    canonical_id: 'workers_ai_chat',
+    display_name: 'Workers AI 對話（免金鑰）',
+    description:
+      'Cloudflare Workers AI 文字生成，走 env.AI binding ⇒ 不需要任何 API 金鑰。'
+      + 'ctx 帶 prompt，回應正規化成 text（含【答】標記與前綴淨化）。'
+      + '換模型＝改本 recipe 的 endpoint，workflow 不動。',
+    endpoint: '@cf/meta/llama-4-scout-17b-16e-instruct',
+    method: 'POST',
+    auth: 'binding',
+    binding_name: 'AI',
+    body_template: {
+      messages: [{ role: 'user', content: '{{prompt}}' }],
+      max_tokens: 1024,
+      temperature: 0.2,
+    },
+    response_map: {
+      // Workers AI chat 回應：{ response: "…" }（另有 OpenAI 相容的 choices，取 response 最穩）
+      text_path: 'response',
+      // 提示詞要求答案以【答】開頭；模型偶爾會在前面多帶一行 ⇒ 取最後一個標記之後
+      answer_marker: '【答】',
+      // 前綴組合順序不定，循環剝殼（規則見 recipe-payload.ts sanitize）
+      strip_prefixes: ['*', '-', '•', '>', '#', '"', '「', '【答】', 'Answer:', 'Draft:'],
+    },
+  },
 ];