在 attune 三赛道 benchmark（法律/Rust/中文八股）上对比 bge-m3 / m3e-base / multilingual-e5-large / openai-text-embedding-3。bge-m3 综合 MRR 0.93 拿下，特别是法律赛道领先 m3e-base 23% / mE5-large 45%。本文给出 5 个真实拒绝理由，包括为什么 openai-text-3-large 没测、为什么 cohere v3 被排除。
法律赛道 MRR 0.60 → 0.80（+33%）。F-Pro 不是一个算法，是 4 个阶段叠加的防御：domain 字段 + chunk 前缀 + 跨域惩罚 + 关键词意图识别。零 LLM 调用，10ms 内出结果。本文复盘了 5 轮调参 sweep，包括为什么 penalty=0.4 而不是 0.2 或 0.6，以及一个意外发现：Rust 赛道 MRR 顺带从 0.87 → 1.00。
过去三年我们看过 20+ 款 “AI 知识库” 产品，全部走相同范式：上传文档到云端 → 服务端 chunk + embed → 云端 LLM。Attune 选择反向：本地 vault + AES-256-GCM 字段加密 + 显式出网 + 12 类 PII 自动脱敏。代价是工程复杂度 3 倍，回报是”原文不出网”成为可证明的事实而非空头承诺。