Revert "WIP(kbdb): 語意搜尋零命中的排查——⚠️ 被總管中途叫停，未完成驗證"

This reverts commit af3edff856.
2026-08-11 23:18:38 +08:00
parent af3edff856
commit 7e3ca4c1a1
6 changed files with 25 additions and 332 deletions
@@ -271,24 +271,12 @@ export async function downloadAndDeploy(
      process.stdout.write(chalk.gray('  → 開語義查詢：確保 Vectorize index 存在...'));
      await ensureVectorizeIndex(ctx);
      // Arcrun#11 根因修復：光建 index 不夠——Vectorize 要 filter 某 metadata 欄位，該欄必須先建
-      //   metadata index，否則帶 owner_id/entry_type/source/library 過濾的語意查詢一律回 0。冪等，隨 index 一起確保。
-      const created = await ensureVectorizeMetadataIndexes(ctx);
+      //   metadata index，否則帶 owner_id/entry_type/source 過濾的語意查詢一律回 0。冪等，隨 index 一起確保。
+      await ensureVectorizeMetadataIndexes(ctx);
      console.log(chalk.green(' ✓'));
-      // 新建的 metadata index **只收「建立之後 upsert」的向量** ⇒ 既有向量不重推就永遠 filter 不到。
-      // 這一步不能靜默：leo21c 全盲事件裡，人看到「✓」就以為好了，實際上舊向量一筆都查不到。
-      if (created.length > 0) {
-        console.log(chalk.yellow(
-          `  ⚠ 新建了 metadata index（${created.join('/')}）。Vectorize 只索引「建立之後寫入」的向量，\n` +
-          '    既有向量必須重推才查得到 → 部署完成後打：\n' +
-          '    POST <kbdb>/embed/backfill  {"reindex":true}  （重複呼叫直到 remaining=0）',
-        ));
-      }
    } catch (e) {
-      console.log(chalk.red(' ✗'));
-      failures.push(
-        `Vectorize index (${KBDB_VECTORIZE_INDEX}): ${e instanceof Error ? e.message : String(e)}` +
-        ' ⇒ 語意搜尋會「看起來有開、實際全盲」（帶歸屬條件的查詢一律 0 命中），請先修好這項再驗收語意搜尋。',
-      );
+      console.log(chalk.yellow(' ⚠'));
+      failures.push(`Vectorize index (${KBDB_VECTORIZE_INDEX}): ${e instanceof Error ? e.message : String(e)}`);
    }
  }

@@ -475,16 +463,8 @@ async function ensureVectorizeIndex(ctx: DeployContext): Promise<void> {
  throw new Error(msg);
 }

-/**
- * embed 過濾用的 Vectorize metadata index 欄位（型別 string；對齊 embedOnWrite 寫入的 metadata）。
- *
- * 🔴 這份清單必須與 `kbdb/src/embed.ts` 的 upsert metadata 欄位**逐欄對齊**：少一欄，
- * 帶那一欄過濾的語意查詢就永遠回 0 命中（Vectorize 只認「已建 metadata index」的欄位），
- * **而且不會報錯**——與 bge-m3 換代那次同款的靜默漂移（wiki/mistakes.md「改 A 要連動 B」）。
- * `library` 是 2026-08-11 補的：portal-auth P1 的「庫」filter 早就拿它在查，清單卻一直停在
- * 三欄（`kbdb/wrangler.toml` 自己記著「library 待補進該清單」，那張欠條在這裡還掉）。
- */
-export const KBDB_VECTORIZE_META_FIELDS = ['owner_id', 'entry_type', 'source', 'library'] as const;
+/** embed 過濾用的 Vectorize metadata index 欄位（型別 string；對齊 embedOnWrite 寫入的 metadata）。 */
+export const KBDB_VECTORIZE_META_FIELDS = ['owner_id', 'entry_type', 'source'] as const;

 /**
 * 確保 KBDB embed index 上的 metadata index（owner_id/entry_type/source）存在（Arcrun#11 根因修復）。
@@ -492,18 +472,16 @@ export const KBDB_VECTORIZE_META_FIELDS = ['owner_id', 'entry_type', 'source', '
 * REST `POST /accounts/{id}/vectorize/v2/indexes/{index}/metadata_index/create`（indexType=string）。
 * 冪等：已存在（409 / already exists）視為成功。async 生效（建立後才 upsert 的向量才會被收錄 → 既有向量另需 reindex）。
 */
-async function ensureVectorizeMetadataIndexes(ctx: DeployContext): Promise<string[]> {
-  const base = `https://api.cloudflare.com/client/v4/accounts/${ctx.accountId}/vectorize/v2/indexes/${KBDB_VECTORIZE_INDEX}`;
-  const auth = { Authorization: `Bearer ${ctx.apiToken}`, 'Content-Type': 'application/json' };
-  const created: string[] = [];
+async function ensureVectorizeMetadataIndexes(ctx: DeployContext): Promise<void> {
+  const url = `https://api.cloudflare.com/client/v4/accounts/${ctx.accountId}/vectorize/v2/indexes/${KBDB_VECTORIZE_INDEX}/metadata_index/create`;
  for (const propertyName of KBDB_VECTORIZE_META_FIELDS) {
-    const res = await fetch(`${base}/metadata_index/create`, {
+    const res = await fetch(url, {
      method: 'POST',
-      headers: auth,
+      headers: { Authorization: `Bearer ${ctx.apiToken}`, 'Content-Type': 'application/json' },
      body: JSON.stringify({ propertyName, indexType: 'string' }),
      signal: AbortSignal.timeout(60_000),
    });
-    if (res.ok) { created.push(propertyName); continue; }
+    if (res.ok) continue;
    const json = (await res.json().catch(() => null)) as
      | { success?: boolean; errors?: Array<{ message?: string; code?: number }> }
      | null;
@@ -511,33 +489,6 @@ async function ensureVectorizeMetadataIndexes(ctx: DeployContext): Promise<strin
    if (res.status === 409 || /already exists|duplicate|conflict/.test(msg)) continue;
    throw new Error(`metadata_index ${propertyName}: ${msg}`);
  }
-
-  // 🔴 建完一定要複驗（2026-08-11 立，Arcrun#85 D70 事故的直接教訓）。
-  //   leo21c 的現役 index 上**一個 metadata index 都沒有**，於是每一條帶 owner_id 的
-  //   語意查詢（＝所有真實使用者路徑，租戶隔離一律帶）都回 0 命中，語意搜尋全盲三天。
-  //   真兇是 arcrun-rag 安裝器把端點寫成 `metadata-index/create`（連字號，CF 回 404，
-  //   正解是底線 `metadata_index/create`），而那支把失敗降級成一行 ⚠ 就宣告安裝成功。
-  //   ⇒ **「我發過 create 請求」不等於「index 真的在」**。這一段就是那個等號。
-  //   複驗失敗一律 throw：呼叫端會把它收進 failures 讓部署誠實標紅，而不是
-  //   「語意搜尋開起來了、但全盲」這種最貴的假綠（mindset §7 禁假綠）。
-  const listRes = await fetch(`${base}/metadata_index/list`, { headers: auth, signal: AbortSignal.timeout(60_000) });
-  if (!listRes.ok) {
-    throw new Error(`metadata_index 複驗失敗：list HTTP ${listRes.status}（無法確認 index 是否真的建起來，不當作成功）`);
-  }
-  const listJson = (await listRes.json().catch(() => null)) as
-    | { result?: { metadataIndexes?: Array<{ propertyName?: string }> } }
-    | null;
-  const present = new Set(
-    (listJson?.result?.metadataIndexes ?? []).map(m => String(m.propertyName ?? '')),
-  );
-  const missing = KBDB_VECTORIZE_META_FIELDS.filter(f => !present.has(f));
-  if (missing.length > 0) {
-    throw new Error(
-      `metadata_index 複驗不通過：${missing.join('/')} 不在 ${KBDB_VECTORIZE_INDEX} 上。` +
-      '沒有這些 index，帶 owner_id/library 等條件的語意查詢會一律回 0 命中（不會報錯，只是全盲）。',
-    );
-  }
-  return created;
 }

 /** 下載 Gitea archive tarball 解壓到暫存目錄，回傳解壓出的 repo root 路徑。
@@ -1860,7 +1860,7 @@ export async function buildDiagnostics(env: Bindings, tenant: string): Promise<D
      | { success?: boolean; enabled?: boolean; pending?: number; embedded?: number }
      | null;
    const selftestBody = (await selftestRes.json().catch(() => null)) as
-      | { success?: boolean; enabled?: boolean; tested?: boolean; passed?: boolean | null; filter_blind?: boolean | null; note?: string }
+      | { success?: boolean; enabled?: boolean; tested?: boolean; passed?: boolean | null; note?: string }
      | null;
    embedding = {
      checked: true,
@@ -1871,13 +1871,6 @@ export async function buildDiagnostics(env: Bindings, tenant: string): Promise<D
        ran: selftestBody?.tested ?? false,
        // 三態：true=能搜到自己 ／ false=搜不到自己（index 收錄有缺）／ null=還沒東西可測或模組未開
        found_itself: selftestBody?.tested ? (selftestBody?.passed ?? null) : null,
-        // 🔴 2026-08-11（Arcrun#85 D70）：found_itself:false 有**兩種處方相反**的成因，
-        //   光看布林分不出來，而 leo21c 就是照著錯的處方（只 reindex）永遠修不好。
-        //   true ＝不帶條件搜得到、一帶歸屬條件就搜不到 ⇒ Vectorize metadata 過濾是死的
-        //          （該 index 上沒建 metadata index）⇒ **先建 index 再 reindex**
-        //   false＝怎麼查都搜不到 ⇒ 向量不在現役 index ⇒ reindex 才對
-        //   讓機器能直接分支，不必去解析 note 的文字。
-        filter_blind: selftestBody?.tested ? (selftestBody?.filter_blind ?? null) : null,
        note: selftestBody?.note ?? '',
      },
    };
@@ -288,15 +288,6 @@ export interface SelfTestResult {
  tested: boolean;       // 是否真的跑了一次自我查詢（false＝連測都測不了，非失敗）
  passed: boolean | null; // 拿已嵌入卡片的內容查自己，能不能搜到自己（null＝沒測）
  note: string;          // 給人看的一句話結論，供檢修孔診斷檔直接引用
-  // 🔴 2026-08-11 新增（Arcrun#85 D70 leo21c 全盲事件）：分辨**兩種處方相反**的故障。
-  //   null＝沒測到這一層（模組未開／沒帶 owner_id／或帶 filter 就通過了，不必再探）
-  //   true ＝不帶 filter 搜得到，帶 filter 搜不到 ⇒ **Vectorize metadata filter 失效**
-  //   false＝連不帶 filter 都搜不到 ⇒ 向量根本不在現役 index 裡
-  //
-  //   為什麼非分不可：舊版兩種病都只回一句「需要重新 reindex」。但 metadata index
-  //   **不存在**時，Vectorize 不會索引該欄位，reindex 重推幾萬筆也不會生效
-  //   ——leo21c 就是照著這個處方修不好。錯的處方比沒有處方更貴。
-  filter_blind: boolean | null;
 }

 /**
@@ -316,7 +307,7 @@ export async function embedSelfTest(
  opts: { owner_id?: string } = {},
 ): Promise<SelfTestResult> {
  if (!embedEnabled(env)) {
-    return { enabled: false, tested: false, passed: null, filter_blind: null, note: 'embed 模組未開（缺 Vectorize/AI binding），語義搜尋這條路目前不存在' };
+    return { enabled: false, tested: false, passed: null, note: 'embed 模組未開（缺 Vectorize/AI binding），語義搜尋這條路目前不存在' };
  }
  const conds = ["is_embedded = 1", "content IS NOT NULL AND content <> ''"];
  const params: unknown[] = [];
@@ -327,80 +318,34 @@ export async function embedSelfTest(
    .bind(...params)
    .first<Entry>();
  if (!row) {
-    return { enabled: true, tested: false, passed: null, filter_blind: null, note: '尚無任何卡片被標記為「已嵌入」，無法自我檢查（可能是還沒卡片，也可能是嵌入從未成功過）' };
+    return { enabled: true, tested: false, passed: null, note: '尚無任何卡片被標記為「已嵌入」，無法自我檢查（可能是還沒卡片，也可能是嵌入從未成功過）' };
  }
  const sample = (row.content ?? '').trim().slice(0, 200);
  if (!sample) {
-    return { enabled: true, tested: false, passed: null, filter_blind: null, note: '取樣卡片內容為空，跳過自我檢查' };
+    return { enabled: true, tested: false, passed: null, note: '取樣卡片內容為空，跳過自我檢查' };
  }
  // min_score:0——自我檢查要看「找不找得到」，不能被查詢端的相對門檻先濾掉。
-  // 第一段＝**使用者真正走的那條路**（帶 owner_id filter），先測它；通了就不必多花第二次查詢。
-  const probe = async (o: { owner_id?: string }) =>
-    semanticSearch(env, sample, { ...o, topK: 10, min_score: 0 });
  let hits: SemanticHit[] | null;
  try {
-    hits = await probe({ owner_id: opts.owner_id });
+    hits = await semanticSearch(env, sample, { owner_id: opts.owner_id, topK: 10, min_score: 0 });
  } catch (e) {
    if (e instanceof EmbedQueryFailedError) {
      // 向量化本身失敗（額度用完/模型故障）＝「這條路現在是斷的」，誠實回報，不算 passed/failed。
-      return { enabled: true, tested: false, passed: null, filter_blind: null, note: `自我檢查沒跑成：${e.message}（語義搜尋此刻同樣會故障，多半是 Workers AI 額度或服務問題）` };
+      return { enabled: true, tested: false, passed: null, note: `自我檢查沒跑成：${e.message}（語義搜尋此刻同樣會故障，多半是 Workers AI 額度或服務問題）` };
    }
    throw e;
  }
  if (hits === null) {
-    return { enabled: false, tested: false, passed: null, filter_blind: null, note: 'embed 模組回報未開（binding 檢查期間消失，罕見）' };
+    return { enabled: false, tested: false, passed: null, note: 'embed 模組回報未開（binding 檢查期間消失，罕見）' };
  }
  const passed = hits.some((h) => h.id === row.id);
-  if (passed) {
-    return {
-      enabled: true, tested: true, passed: true, filter_blind: null,
-      note: '拿一張已標記「已嵌入」的卡片自我查詢，能搜到自己——語義搜尋這條路是通的',
-    };
-  }
-
-  // ── 沒搜到自己：第二段，判斷是「向量不在 index」還是「filter 失效」───────────────
-  // 🔴 2026-08-11（Arcrun#85 D70，leo21c 實撞）：這兩種病的處方**相反**，不能都叫人 reindex。
-  //   自己查自己相似度接近 1.0，所以「搜不到自己」絕不是分數問題（MIN_SCORE_ABS_FLOOR 也被
-  //   min_score:0 關掉了）。剩下兩種可能，用「拿掉 filter 再查一次」一刀切開：
-  //     拿掉 filter 就找得到 → 向量在 index 裡，是 **metadata filter 死的**
-  //                            （metadata index 沒建，或向量早於該 index 建立時間）
-  //                            ⇒ 修法是**先建 metadata index，再 reindex**；只 reindex 沒用
-  //     拿掉 filter 還是找不到 → 向量真的不在現役 index（常見：換 index 世代後沒重嵌）
-  //                            ⇒ 修法才是 reindex
-  //   只有在「有帶 owner_id」時第二段才有意義（沒帶 filter 的查詢，兩段是同一件事）。
-  if (!opts.owner_id) {
-    return {
-      enabled: true, tested: true, passed: false, filter_blind: false,
-      note: '拿一張已標記「已嵌入」的卡片自我查詢，卻搜不到自己——向量不在現役索引裡（常見：換過索引世代卻沒重嵌）。修法：POST /embed/backfill {"reindex":true} 重推到 remaining=0',
-    };
-  }
-  let unfiltered: SemanticHit[] | null = null;
-  try {
-    unfiltered = await probe({});
-  } catch (e) {
-    if (!(e instanceof EmbedQueryFailedError)) throw e;
-    // 第二段查詢自己壞了 → 不硬猜，誠實回「分不出是哪一種」。
-    return {
-      enabled: true, tested: true, passed: false, filter_blind: null,
-      note: `拿一張已標記「已嵌入」的卡片自我查詢，卻搜不到自己；追查用的第二次查詢也失敗（${e.message}），無法判斷是索引沒收錄還是過濾條件失效`,
-    };
-  }
-  const foundWithoutFilter = (unfiltered ?? []).some((h) => h.id === row.id);
-  if (foundWithoutFilter) {
-    return {
-      enabled: true, tested: true, passed: false, filter_blind: true,
-      note:
-        '拿一張已標記「已嵌入」的卡片自我查詢：**不帶歸屬條件搜得到、一帶上去就搜不到** ⇒ ' +
-        '向量在索引裡，壞的是 Vectorize 的 metadata 過濾（該欄位的 metadata index 沒建，' +
-        '或這些向量是在該 index 建立之前寫進去的）。所有真實查詢都會帶歸屬條件做租戶隔離，' +
-        '所以語意搜尋等於全盲。修法有先後：**先**建 metadata index' +
-        '（owner_id/entry_type/source/library），**再** POST /embed/backfill {"reindex":true}' +
-        '——順序反了或只做 reindex 都不會生效。',
-    };
-  }
  return {
-    enabled: true, tested: true, passed: false, filter_blind: false,
-    note: '拿一張已標記「已嵌入」的卡片自我查詢，不論帶不帶歸屬條件都搜不到自己——向量不在現役索引裡（常見：換過索引世代卻沒重嵌）。修法：POST /embed/backfill {"reindex":true} 重推到 remaining=0',
+    enabled: true,
+    tested: true,
+    passed,
+    note: passed
+      ? '拿一張已標記「已嵌入」的卡片自我查詢，能搜到自己——語義搜尋這條路是通的'
+      : '拿一張已標記「已嵌入」的卡片自我查詢，卻搜不到自己——像是 index 沒收錄到這批向量（需要重新 reindex）',
  };
 }

@@ -35,41 +35,6 @@ function fireAndForget(c: { executionCtx?: ExecutionContext }, p: Promise<unknow
  else void p.catch(() => {});
 }

-/**
- * 「這次零命中，是不是因為 Vectorize 的 metadata 過濾整個是死的？」
- *
- * 🔴 2026-08-11 立（Arcrun#85 D70，leo21c 實撞）：那台實例的現役 index
- * `arcrun-kbdb-embed-m3` 上 **一個 metadata index 都沒有**（換代時漏建），於是
- * Vectorize 對 owner_id/source/entry_type/library 下任何 filter 都回 0 筆。
- * 而**每一條真實使用者路徑都會帶 owner_id 做租戶隔離**（portal、MCP、workflow 搜尋皆然）
- * ⇒ 語意搜尋 100% 全盲，但系統只會回「沒有找到符合的內容，換個說法再試試看」。
- *
- * 判法不靠猜、也不查 Cloudflare 設定（KBDB 這面牆內打不到那支 API）：
- * **同一句查詢，把 metadata filter 全部拿掉再打一次**。
- *   有命中 → 向量在 index 裡，死的是 filter（回 true）
- *   仍零命中 → 就是這次查詢真的沒撞到東西（回 false，維持 no_match）
- *
- * 成本紀律：只在「已有嵌入資料卻零命中」這個**本來就已經降級**的分支才會被呼叫，
- * 正常有結果的查詢一次都不會多花。多的是一次 AI.run + 一次 Vectorize query。
- * 沒帶任何 filter 的查詢直接回 false（沒有 filter 可以怪，也不必多打一次）。
- * 探針自己出錯一律回 false——診斷絕不能把查詢本身弄壞（誠實限制，mindset §7）。
- */
-async function filterIsBlind(
-  env: Bindings,
-  q: string,
-  f: { owner_id?: string; source?: string; entry_type?: string; library?: string[] },
-): Promise<boolean> {
-  const hasFilter = !!(f.owner_id || f.source || f.entry_type || (f.library && f.library.length > 0));
-  if (!hasFilter) return false;
-  try {
-    // min_score:0 ＋ 小 topK：只問「拿掉 filter 到底有沒有東西」，不問品質。
-    const probe = await semanticSearch(env, q, { topK: 5, min_score: 0 });
-    return (probe ?? []).length > 0;
-  } catch {
-    return false;
-  }
-}
-
 // library 多值參數（逗號分隔，portal-auth P1，design §3.3）。空值/全空白 → undefined（＝不過濾，
 // 行為與未帶參數一字不變——向後相容硬驗收）。
 function parseLibraryParam(raw: string | undefined): string[] | undefined {
@@ -324,7 +289,7 @@ entryRoutes.get('/search', async (c) => {
    // 三態都給人話 capability_hint（給使用者）+ admin_hint（技術細節，給維運者/CC）。
    // 正常有結果（entries.length>0）完全不受影響，回應形狀不變。
    if (entries.length === 0) {
-      let empty_reason: 'no_index' | 'no_match' | 'stale_index' | 'filter_blind';
+      let empty_reason: 'no_index' | 'no_match' | 'stale_index';
      let capability_hint: string;
      let admin_hint: string;
      if (hits.length === 0) {
@@ -343,26 +308,6 @@ entryRoutes.get('/search', async (c) => {
          capability_hint =
            '這個知識庫還沒有整理好的內容可以搜尋——通常是剛裝好、資料還沒同步進來。等同步小幫手跑完再來搜就有了。';
          admin_hint = `owner_id=${owner_id ?? '(all)'} 範圍 embedded=0 且 pending=0：沒有任何標記 embed:true 的 entry——多半是 ingest 還沒跑（正常的空），少數情況是 ingest 管線沒標 embed 旗標（要查管線）。`;
-        } else if (await filterIsBlind(c.env, q, { owner_id, source, entry_type, library })) {
-          // 🔴 2026-08-11（Arcrun#85 D70，leo21c 實撞，三小時才挖出來的那個病）：
-          //   「有 N 筆嵌入資料卻零命中」在這裡曾一律被歸成 no_match，回給使用者
-          //   「換個說法再試試看」——但那台實例的真相是 **Vectorize 的 metadata index
-          //   一個都沒建**（換 index 世代時漏了），所以**每一次**帶 owner_id 的語意查詢
-          //   都回 0，換幾種說法都一樣。把系統故障說成使用者的問題，正是 leo 08-09
-          //   直令禁止的那件事；而且它是靜默的——沒人會因為「搜不到」去查 Vectorize 設定。
-          //   判法不靠猜：**同一句查詢拿掉 metadata filter 再打一次**，有命中就證明
-          //   向量在索引裡、死的是 filter（見 filterIsBlind）。
-          empty_reason = 'filter_blind';
-          capability_hint =
-            '語意搜尋目前故障——你的資料都在，是我們的索引設定壞了，所以每一次語意搜尋都會空手而回。' +
-            '這不是你打的字有問題，換個說法也不會有用。請先用關鍵字搜尋，我們會修好它。';
-          admin_hint =
-            `owner_id=${owner_id ?? '(all)'} 已有 ${status.embedded} 筆嵌入資料；帶 metadata filter 零命中，` +
-            '但同一句查詢拿掉 filter 後有命中 ⇒ 向量在 index 裡，死的是 Vectorize metadata 過濾。' +
-            '成因：該 index 上沒有對應的 metadata index（換 index 世代／改名時最常漏），' +
-            '或既有向量早於 metadata index 的建立時間。修法有先後：**先**建 metadata index' +
-            '（owner_id/entry_type/source/library，acr 的 ensureVectorizeMetadataIndexes 會冪等建），' +
-            '**再** POST /embed/backfill {"reindex":true} 重推到 remaining=0。只做 reindex 不會生效。';
        } else {
          empty_reason = 'no_match';
          capability_hint = '沒有找到符合的內容，換個說法或更具體的關鍵字再試試看。';
@@ -113,70 +113,6 @@ describe('embedSelfTest（檢修孔：卡片自我查詢，驗證 index 真的
    expect(r.passed).toBeNull();
  });

-  // ── Arcrun#85 D70（2026-08-11 leo21c 全盲事故）──────────────────────────────
-  // 兩種故障的**處方相反**，舊版都只回一句「需要重新 reindex」：
-  //   ① metadata filter 死掉（metadata index 沒建）→ 先建 index 再 reindex；只 reindex 無效
-  //   ② 向量不在現役 index（換世代沒重嵌）        → reindex 才是對的
-  // 判法＝拿掉 filter 再查一次。下面的假 VECTORIZE 依「有沒有帶 filter」回不同結果，
-  // 精確重現 leo21c 的現場（不帶 filter score 0.8957 命中、帶 owner_id 0 命中）。
-  function makeFilterAwareEnv(
-    store: Entry[],
-    opts: { unfilteredMatches: { id: string; score: number }[]; filteredMatches: { id: string; score: number }[] },
-  ): Bindings {
-    return {
-      DB: makeFakeDB(store),
-      ENVIRONMENT: 'test',
-      AI: { async run() { return { data: [[0.1, 0.2, 0.3]] }; } },
-      VECTORIZE: {
-        async query(_v: number[], o?: { filter?: Record<string, unknown> }) {
-          const filtered = !!(o?.filter && Object.keys(o.filter).length > 0);
-          return { matches: filtered ? opts.filteredMatches : opts.unfilteredMatches };
-        },
-      },
-    } as unknown as Bindings;
-  }
-
-  it('不帶 filter 搜得到、帶 owner_id 搜不到 → filter_blind:true，處方是「先建 metadata index 再 reindex」', async () => {
-    const store = [mkEntry('e1', '淡水河口的黑面琵鷺在退潮時會集體覓食', 'bfezv28v')];
-    const env = makeFilterAwareEnv(store, {
-      unfilteredMatches: [{ id: 'e1', score: 0.8957 }], // leo21c 實測分數
-      filteredMatches: [],
-    });
-    const r = await embedSelfTest(env, { owner_id: 'bfezv28v' });
-    expect(r.tested).toBe(true);
-    expect(r.passed).toBe(false);
-    expect(r.filter_blind).toBe(true);
-    expect(r.note).toContain('metadata');
-    // 🔴 處方順序必須寫出來——只叫人 reindex 正是 leo21c 修不好的原因
-    expect(r.note).toContain('reindex');
-    expect(r.note).toMatch(/先.*建.*再/s);
-  });
-
-  it('帶不帶 filter 都搜不到 → filter_blind:false，處方才是 reindex', async () => {
-    const store = [mkEntry('e1', 'content', 'o1')];
-    const env = makeFilterAwareEnv(store, { unfilteredMatches: [], filteredMatches: [] });
-    const r = await embedSelfTest(env, { owner_id: 'o1' });
-    expect(r.passed).toBe(false);
-    expect(r.filter_blind).toBe(false);
-    expect(r.note).toContain('reindex');
-    expect(r.note).not.toContain('metadata index 沒建');
-  });
-
-  it('帶 filter 就搜得到 → passed:true、filter_blind:null，且不多花第二次查詢', async () => {
-    const store = [mkEntry('e1', 'content', 'o1')];
-    let queries = 0;
-    const env = {
-      DB: makeFakeDB(store),
-      ENVIRONMENT: 'test',
-      AI: { async run() { return { data: [[0.1, 0.2, 0.3]] }; } },
-      VECTORIZE: { async query() { queries++; return { matches: [{ id: 'e1', score: 0.9 }] }; } },
-    } as unknown as Bindings;
-    const r = await embedSelfTest(env, { owner_id: 'o1' });
-    expect(r.passed).toBe(true);
-    expect(r.filter_blind).toBeNull();
-    expect(queries).toBe(1); // 健康的情況不該多打一次（成本紀律）
-  });
-
  it('回應絕不含卡片內容或 entry id（隱私紅線）', async () => {
    const store = [mkEntry('e1', 'this is the secret card body, must never leak')];
    const env = makeEnv(store, { matches: [{ id: 'e1', score: 0.9 }] });
@@ -107,80 +107,3 @@ describe('GET /entries/search?mode=semantic — 零命中時分辨「為什麼
    expect(body.capability_hint).toBeUndefined();
  });
 });
-
-// ── 第四態 filter_blind（Arcrun#85 D70，2026-08-11 leo21c 實撞）─────────────────
-//
-// 現場：現役 Vectorize index `arcrun-kbdb-embed-m3` 上**一個 metadata index 都沒有**
-// （真兇＝arcrun-rag 安裝器把端點寫成 `metadata-index/create`，連字號版 CF 回 404，
-//   底線 `metadata_index/create` 才是對的；而該安裝器把失敗降級成一行 ⚠ 就宣告成功）。
-// ⇒ Vectorize 對 owner_id 下 filter 一律回 0 筆，而**每一條真實使用者路徑都帶 owner_id**
-//   做租戶隔離 ⇒ 語意搜尋 100% 全盲。
-// 實測（leo21c，同一句查詢）：不帶 filter → 1 命中 score 0.8957；帶 owner_id → 0 命中。
-//
-// 舊行為把這個歸成 no_match，回「換個說法或更具體的關鍵字再試試看」
-// ＝**把系統故障說成使用者的問題**，正是 leo 2026-08-09 直令禁止的那件事，
-// 而且沒有人會因為「搜不到」去翻 Cloudflare 的 Vectorize 設定。
-function makeFilterAwareEnv(
-  dbOpts: Parameters<typeof makeFakeDB>[0],
-  opts: { unfiltered: { id: string; score: number }[]; filtered: { id: string; score: number }[] },
-): Bindings {
-  return {
-    DB: makeFakeDB(dbOpts),
-    ENVIRONMENT: 'test',
-    AI: { async run() { return { data: [[0.1, 0.2, 0.3]] }; } },
-    VECTORIZE: {
-      async query(_v: number[], o?: { filter?: Record<string, unknown> }) {
-        const filtered = !!(o?.filter && Object.keys(o.filter).length > 0);
-        return { matches: filtered ? opts.filtered : opts.unfiltered };
-      },
-    },
-  } as unknown as Bindings;
-}
-
-describe('empty_reason=filter_blind — Vectorize metadata 過濾整個是死的', () => {
-  it('帶 owner_id 零命中、拿掉 filter 有命中 → filter_blind，且照實說是我們的故障', async () => {
-    const app = makeApp();
-    const env = makeFilterAwareEnv(
-      { embeddedCount: 805, hydrateEntry: mkEntry('e1') },
-      { unfiltered: [{ id: 'e1', score: 0.8957 }], filtered: [] },
-    );
-    const res = await app.request('/entries/search?q=黑面琵鷺&mode=semantic&owner_id=bfezv28v', {}, env);
-    const body = (await res.json()) as Record<string, unknown>;
-    expect(body.count).toBe(0);
-    expect(body.empty_reason).toBe('filter_blind');
-    const hint = body.capability_hint as string;
-    // 🔴 誠實鐵律：是故障、不是使用者的錯，且**明說換個說法沒有用**
-    expect(hint).toContain('故障');
-    expect(hint).toContain('不是你');
-    expect(/換個說法也不會有用/.test(hint)).toBe(true);
-    // 🔴 人話紅線：不准把 Vectorize/owner_id 這類內部詞漏給使用者
-    expect(/vectorize|owner_id|metadata|index/i.test(hint)).toBe(false);
-    // 技術細節與**處方順序**留給維運者
-    const admin = body.admin_hint as string;
-    expect(admin).toContain('metadata index');
-    expect(admin).toContain('reindex');
-  });
-
-  it('沒帶任何 filter 的查詢不做探針，維持 no_match（不多花一次查詢）', async () => {
-    const app = makeApp();
-    let queries = 0;
-    const env = {
-      DB: makeFakeDB({ embeddedCount: 42 }),
-      ENVIRONMENT: 'test',
-      AI: { async run() { return { data: [[0.1, 0.2, 0.3]] }; } },
-      VECTORIZE: { async query() { queries++; return { matches: [] }; } },
-    } as unknown as Bindings;
-    const res = await app.request('/entries/search?q=x&mode=semantic', {}, env);
-    const body = (await res.json()) as Record<string, unknown>;
-    expect(body.empty_reason).toBe('no_match');
-    expect(queries).toBe(1);
-  });
-
-  it('帶 filter 但拿掉 filter 也零命中 → 仍是 no_match（別把正常的找不到誣賴成故障）', async () => {
-    const app = makeApp();
-    const env = makeFilterAwareEnv({ embeddedCount: 42 }, { unfiltered: [], filtered: [] });
-    const res = await app.request('/entries/search?q=x&mode=semantic&owner_id=t1', {}, env);
-    const body = (await res.json()) as Record<string, unknown>;
-    expect(body.empty_reason).toBe('no_match');
-  });
-});