`organizer duplicates`: nota apagada volta como duplicata (lado B do par não é filtrado)

[marcelovolei15]

Problema

detect_duplicates() filtra deleted_at/arquivado apenas no lado A do par. O lado B vem do KNN em vec_notes, que guarda o vetor de notas já apagadas — e não passa por filtro nenhum.

Resultado: uma nota removida do vault continua aparecendo como candidata a duplicata. Como titles também filtra deleted_at IS NULL, ela sai com b_title: None.

Onde

skills/obsidian-organizer/scripts/duplicates.py:

• _active_note_ids() (linha ~54) — filtra deleted_at IS NULL AND status != 'arquivado', e alimenta só o loop externo (for note_id in active).
• _knn_top() (linha ~72) — SELECT note_id, distance FROM vec_notes WHERE embedding MATCH ?, sem restrição.
• detect_duplicates() (linha ~139) — consome o vizinho direto, sem checar se ainda está ativo.

Como reproduzir

pairs = detect_duplicates(conn, min_cos=0.7)
apagada = pairs[0]["note_b_id"]
conn.execute("UPDATE notes SET deleted_at = ? WHERE id = ?", (agora, apagada))
conn.commit()

# esperado: nenhum par contendo `apagada`
# obtido:   o par continua, com b_title = None
detect_duplicates(conn, min_cos=0.7)

Em um vault real (121 notas, 3 apagadas com vetor), medido:

min_cos	pares totais	pares com nota apagada
0.7	1	0
0.6	111	8
0.5	794	20

Exemplo da saída: 79 None × 82 'N8N' 0.6627.

No limiar padrão o efeito depende de quão parecidas as notas apagadas são — pode não aparecer, e voltar depois.

Correção sugerida

Filtrar o vizinho no próprio detect_duplicates(), reaproveitando o conjunto que já é calculado:

active = _active_note_ids(conn)
active_set = set(active)
...
for neigh_id, dist in _knn_top(conn, note_id, vec, scan_k):
    if neigh_id not in active_set:
        continue
    ...

Preferi isso a mexer no SQL de _knn_top() por dois motivos: cobre deleted_at e status = 'arquivado' de graça (mesma regra de _active_note_ids), e evita join com a virtual table vec0.

Verificado no vault acima: 111 → 103 pares em min_cos=0.6, sendo a diferença exatamente os 8 pares fantasma. Nenhum par legítimo removido.

Teste de regressão

Falha no código atual, passa com o patch:

def test_detect_duplicates_ignora_nota_apagada_no_lado_b(dup, vault_com_duplicatas):
    _, conn = vault_com_duplicatas
    antes = dup.detect_duplicates(conn, min_cos=0.7)
    assert antes
    apagada = antes[0]["note_b_id"]
    conn.execute(
        "UPDATE notes SET deleted_at = '2026-07-29T00:00:00+00:00' WHERE id = ?",
        (apagada,),
    )
    conn.commit()
    depois = dup.detect_duplicates(conn, min_cos=0.7)
    assert all(apagada not in (p["note_a_id"], p["note_b_id"]) for p in depois)

Com a fixture vault_com_duplicatas já existente em tests/test_organizer_duplicates.py: 9 passed → 10 passed com o patch; o teste novo falha sem ele.

Contorno enquanto isso

rebuild-db --yes + scan limpa os vetores órfãos.

---

Abro PR com o patch e o teste, se for útil.

Ambiente: Windows 10, CPython 3.12.13, sqlite-vec 0.1.9, model2vec 0.8.2 (static-similarity-mrl-multilingual-v1, dim 256). Repo em e9b6392.