feat(knowledge): 语义检索打通——切片、混合打分、只搜已发布

之前知识只能"存"，不能"找"。这一版把链路补上：切片 → 向量 → 打分 → 带来源返回。

- chunk 表 + 迁移 0006：正文按标题归段切、代码块整块保留、超长按句切、
  相邻片重叠 80 字；RLS 与 GRANT 与其它租户表一致
- 向量提供方做成协议：内置 hash（字符二元组，零依赖可复现，作为基线）
  与 OpenAI 兼容端点两种，换实现不动业务代码
- 检索是混合打分：向量 0.6 + pg_trgm 0.4。专有编号、单号这类必须原样命中的词
  靠词法兜，换个说法表达的同一件事靠向量兜
- 三条纪律：只搜 published（过滤写在 SQL 里）、低于阈值宁可不返回、
  每条命中都带来源标题与 item_id
- 发布时自动建索引，改完正文用 POST /knowledge/{id}/reindex 重建
- Web 知识页加检索框与命中卡片；新增 e2e/retrieval.mjs 6 项

为什么不是 pgvector：本机 Docker 起不来、fnsvr-01 没有该扩展且明确不动。
先用 real[] + SQL 余弦把链路跑通，将来换列类型与索引即可，接口不变。

后端 79 passed，e2e smoke/knowledge/richtext/retrieval 全绿。

2.Design/API.md

@@ -377,7 +377,45 @@ Query：`doc_type`（默认 `postmortem`）。来源可以是任务或工单；
 **工单验收通过时，后端会自动调用这条逻辑**（`generated_by=rule`，`doc_type=postmortem`，
 正文开头固定一句"这份草稿由系统根据来源自动整理，请先核对再发布"），所以用户不需要记得点。
 
-### 5.7 知识的错误码
+### 5.7 检索 `GET /knowledge/search`
+
+Query：
+| 参数 | 说明 |
+|---|---|
+| `q` | 必填，1–200 字 |
+| `limit` | 1–30，默认 10 |
+| `mode` | `hybrid`（默认）/ `vector` / `keyword`，后两个用于对比效果 |
+
+返回 `{query, mode, items[]}`，每项：
+
+| 字段 | 说明 |
+|---|---|
+| `item_id` / `title` | 来源知识，前端"打开原文"用 |
+| `doc_type` / `heading` | 类型与所在小节 |
+| `idx` / `content` | 第几片、切片正文 |
+| `score` | 加权总分，低于 `SEARCH_MIN_SCORE`（0.06）的结果**不返回** |
+| `vector_score` / `lexical_score` | 向量分与 trigram 词法分，便于排查"为什么没搜到" |
+
+三条约定：
+
+1. **只检索 `published`**。草稿是还没被人认可的话，进检索等于把猜测当结论引用出去——过滤写在 SQL 里，调用方改不了。
+2. **结果必须带来源**，能点回原文。这是 D3（知识必须有来源）的延伸：不给"出处不存在"的答案。
+3. **宁可返回空，也不凑数**。检索失败比误导便宜。
+
+发布（`5.5` 的 `publish`）时会自动重建索引，用户发布完立刻能搜到；
+但改完正文不会自动重建，需要调用下面这条。
+
+### `POST /knowledge/{item_id}/reindex` — 重建切片
+
+返回 `{item_id, chunk_count, searchable}`。`searchable=false` 表示内容已建好切片但还不是 `published`，
+搜不到——这不是错误。
+
+实现：切片存 `chunk` 表（`content` + `embedding real[]`），相似度用 SQL 函数 `app_cosine()` 计算。
+本机没有可用的 pgvector 实例（Docker 起不来，fnsvr-01 明确不动），所以先用 `real[]` 把链路跑通；
+将来换 pgvector 只改列类型与索引，接口不变。换 embedding 模型（`EMBEDDING_PROVIDER`）后
+**必须整体重建**，否则新旧向量混在一张表里，分数没法比较。
+
+### 5.8 知识的错误码
 
 | 码 | HTTP | 含义 |
 |---|---|---|