uncle6me-web
e788c52dd2
- /entries 與 /entries/search 加 library 多值參數（逗號分隔）；不帶＝行為一字不變（向後相容） - D1：COALESCE(json_extract(metadata_json,'$.library'),'general') IN (…)（≡ design §3.3 OR 形狀； 未標記舊資料歸 general） - semantic：Vectorize upsert metadata 加 library（寫入端正規化 general）；查詢 filter $in 主路徑 （官方文件＋workers-types 4.20260702.1 核實支援，fan-out fallback 不需） - 測試：library-filter.test.ts 11 項＋既有 6 項全綠；tsc exit 0；本機 miniflare local D1 十案例實跑全過 - semantic 線上路徑（metadata index＋reindex backfill）＝部署清單，待雲端排練驗（本機無 Vectorize） - cypher kbdb-proxy 透傳順延（P1 派工紅線只動 kbdb，tasks.md 已註） Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
41 lines
2.4 KiB
TOML
41 lines
2.4 KiB
TOML
name = "arcrun-kbdb"
|
||
main = "src/index.ts"
|
||
compatibility_date = "2025-02-19"
|
||
workers_dev = true
|
||
compatibility_flags = ["nodejs_compat"]
|
||
|
||
# KBDB Base — atomic universal table (SDD .agents/specs/arcrun/kbdb-base).
|
||
# Base needs D1 ONLY (free, no credit card). embed module adds Vectorize+AI bindings
|
||
# (optional, self-host opens it themselves). triplet is a separate repo.
|
||
[[d1_databases]]
|
||
binding = "DB"
|
||
database_name = "arcrun-kbdb"
|
||
database_id = "0c580910-e00b-4f8e-9c57-ac54ea52242f" # 官方 prod D1（arcrun-kbdb）；self-hosted deploy.ts 會注入用戶自己的 id 覆蓋
|
||
|
||
[vars]
|
||
ENVIRONMENT = "production"
|
||
|
||
# ── Optional embed module (issue #7 / SDD T2.4) ────────────────────────────────
|
||
# Base 預設不開（free-tier 友善）。self-host 開語義查詢時，deploy.ts 偵測 config kbdb_embed:true
|
||
# → 取消下面兩段註解（注入 active binding）並 `wrangler vectorize create arcrun-kbdb-embed
|
||
# --dimensions=768 --metric=cosine`（bge-base-en-v1.5 = 768 維）。官方帳號同理由 deploy 注入。
|
||
# ⚠️ Arcrun#11：光建 index 不夠。要對 owner_id/entry_type/source 下 filter（owner-scoped/類型-scoped 語意查詢），
|
||
# 必須另建 metadata index，否則帶過濾一律回 0 命中：
|
||
# wrangler vectorize create-metadata-index arcrun-kbdb-embed --property-name owner_id --type string
|
||
# wrangler vectorize create-metadata-index arcrun-kbdb-embed --property-name entry_type --type string
|
||
# wrangler vectorize create-metadata-index arcrun-kbdb-embed --property-name source --type string
|
||
# wrangler vectorize create-metadata-index arcrun-kbdb-embed --property-name library --type string
|
||
# （library＝portal-auth P1「庫」filter；upsert 端把未標記正規化成 'general'，查詢走 $in）
|
||
# metadata index 只收「建立後 upsert」的向量 → 既有向量須 `POST /embed/backfill {"reindex":true}` 重推
|
||
# （建 library index 後同樣要 reindex，否則舊向量帶 library filter 一律 0 命中）。
|
||
# deploy.ts 的 ensureVectorizeMetadataIndexes() 已把前三個 index 隨部署冪等建好；library 待補進該清單
|
||
# （cli/ 屬 portal-auth P1 範圍外，見 portal-auth tasks.md 部署清單附註）。
|
||
# 沒有這兩個 binding 時，kbdb/src/embed.ts 的 embedEnabled() 回 false → 維持 LIKE keyword、API 不變。
|
||
#
|
||
# [[vectorize]]
|
||
# binding = "VECTORIZE"
|
||
# index_name = "arcrun-kbdb-embed"
|
||
#
|
||
# [ai]
|
||
# binding = "AI"
|