累計距離計算次數（全域 visits，含建構+全部查詢）：0
階段：declare-level
多層帶狀圖：由上而下依序為層 2（頂層，最少點）→ 層 1 → 層 0（底層，含全部 10 個點）——
上面的帶就是高層；同一點跨層 x 座標不變，跨層之間的垂直邊代表「這個點同時存在於相鄰兩層」，
層內邊代表該層的近鄰連結。橘色（current）＝當下處理／走訪節點；綠色（finalized）＝連邊完成／entry
point 建立／查詢終幀的 HNSW 結果；藍色外框（frontier）＝新連上的鄰居，或查詢終幀漏標時另外標出的
「暴力真最近鄰」；紫色（visited）＝本次查詢累積走訪過的節點。節點上方數字為其所在層數（L0/L1/L2）。
誠實揭露——近似可能漏掉真最近鄰：Q2（[6,0]）在 ef=1（純貪婪，等同只信任目前最近候選）時會 卡在局部最優、回傳的並非全域真正最近鄰；把 ef 提高到 2（保留較多候選繼續擴展）才找回真正最近鄰—— ef 越大越接近精確解，代價是多訪問幾個點，下方查詢對照表會逐列列出兩者差異，漏標列會醒目標紅。
教學縮尺：本頁僅 10 個點、M=2，暴力全掃只需 10 次距離計算，HNSW 反而不見得更快—— HNSW 的優勢要在十億級向量、M/ef 遠大於本例的生產設定下才會顯現，這裡看不出速度優勢，只能看出 「近似 vs 精確」的取捨長什麼樣子。
簡化裁剪策略：本頁連邊採簡化版「取離插入點最近的 M 個候選」啟發式（候選池只看目前搜尋到 的點與其直接鄰居），並非 HNSW 論文完整的 heuristic selection（論文版本會額外考慮候選之間的相對距離， 避免同側過度密集連邊），教學上足以展示多層 + 貪婪的核心機制，但非論文完整實作。
誠實揭露——近似可能漏掉真最近鄰：Q2（[6,0]）在 ef=1（純貪婪，等同只信任目前最近候選）時會 卡在局部最優、回傳的並非全域真正最近鄰；把 ef 提高到 2（保留較多候選繼續擴展）才找回真正最近鄰—— ef 越大越接近精確解，代價是多訪問幾個點，下方查詢對照表會逐列列出兩者差異，漏標列會醒目標紅。
教學縮尺：本頁僅 10 個點、M=2，暴力全掃只需 10 次距離計算，HNSW 反而不見得更快—— HNSW 的優勢要在十億級向量、M/ef 遠大於本例的生產設定下才會顯現，這裡看不出速度優勢，只能看出 「近似 vs 精確」的取捨長什麼樣子。
簡化裁剪策略：本頁連邊採簡化版「取離插入點最近的 M 個候選」啟發式（候選池只看目前搜尋到 的點與其直接鄰居），並非 HNSW 論文完整的 heuristic selection（論文版本會額外考慮候選之間的相對距離， 避免同側過度密集連邊），教學上足以展示多層 + 貪婪的核心機制，但非論文完整實作。
建構進度（insertProgress）
（尚未開始）
查詢對照表（HNSW 結果 vs 暴力全掃真值）
| 查詢 | ef | HNSW 結果 | 暴力 NN | HNSW visits | 暴力 visits | 漏標 |
|---|
已執行操作紀錄（opLog）
（空）