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

leo 2026-08-11 判斷「如果是 Vectorize 沒完成就不用查了」，總管據此停線。
真因已經寫在 repo 自己的註解裡（kbdb/wrangler.toml:43-51，Arcrun#11）：
metadata index 只收「建立後 upsert」的向量，既有向量須 reindex，
否則帶 owner_id filter 一律 0 命中——與實測每一格吻合
（805 筆在、關鍵字搜得到、語意 0、拿自己查自己也 0 ⇒ 不是分數門檻）。

⚠️ 這批改動是排查途中的產物，**沒有走完驗證**，不要當成可用的修法。
保留只是不讓它憑空消失（總管中斷造成，不是它做壞）。
接手的人請先讀 Arcrun#85 上的結論再決定要不要用。

真正的補救是 reindex，而 reindex 要燒 AI 額度
⇒ 卡在 Arcrun#85 的每日額度閘上線之後才能做。

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

kbdb/tests/search-semantic-empty-reason.test.ts

@@ -107,3 +107,80 @@ 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');
+  });
+});