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。

backend/app/models_knowledge.py

@@ -19,15 +19,18 @@ from datetime import datetime
 from sqlalchemy import (
     CheckConstraint,
     DateTime,
+    Float,
     ForeignKey,
     Index,
     String,
     Text,
+    UniqueConstraint,
 )
+from sqlalchemy.dialects.postgresql import ARRAY
 from sqlalchemy.dialects.postgresql import UUID as PgUUID
 from sqlalchemy.orm import Mapped, mapped_column
 
-from .models import Base, Timestamps
+from .models import Base, Timestamps, new_uuid
 
 # 知识状态机（与任务/工单共用 item.status 一列，取值集合不同）
 KNOWLEDGE_STATUSES: tuple[str, ...] = ("draft", "in_review", "published", "archived")
@@ -76,4 +79,34 @@ class KnowledgeDoc(Base, Timestamps):
     chunk_count: Mapped[int] = mapped_column(nullable=False, default=0)
 
 
-KNOWLEDGE_TENANT_TABLES: tuple[str, ...] = ("knowledge_doc",)
+class Chunk(Base):
+    """知识正文的切片。
+
+    为什么切片与文档同库：检索要按工作区过滤，跨库做权限校验就得把两边数据捞到应用里，
+    既不安全也不快。向量本身是普通数组，换 pgvector 时只换列类型与索引。
+    """
+
+    __tablename__ = "chunk"
+    __table_args__ = (
+        UniqueConstraint("item_id", "idx", name="uq_chunk_item_idx"),
+        Index("ix_chunk_ws_item", "workspace_id", "item_id"),
+        {"comment": "知识正文切片，检索的最小单位"},
+    )
+
+    id: Mapped[uuid.UUID] = mapped_column(PgUUID(as_uuid=True), primary_key=True, default=new_uuid)
+    workspace_id: Mapped[uuid.UUID] = mapped_column(PgUUID(as_uuid=True), nullable=False)
+    item_id: Mapped[uuid.UUID] = mapped_column(
+        PgUUID(as_uuid=True), ForeignKey("item.id", ondelete="CASCADE"), nullable=False
+    )
+    # 片内顺序，用于把命中片段按原顺序还原上下文
+    idx: Mapped[int] = mapped_column(nullable=False)
+    heading: Mapped[str | None] = mapped_column(String(200))
+    content: Mapped[str] = mapped_column(Text, nullable=False)
+    char_count: Mapped[int] = mapped_column(nullable=False, default=0)
+    # 向量。hash 提供方是 256 维，OpenAI 兼容端点通常是 1024/1536 维，
+    # 所以不固定维度——换模型时老切片要么重算，要么维度不匹配（检索会拒绝并提示重建）。
+    embedding: Mapped[list[float] | None] = mapped_column(ARRAY(Float))
+    embed_model: Mapped[str | None] = mapped_column(String(64))
+
+
+KNOWLEDGE_TENANT_TABLES: tuple[str, ...] = ("knowledge_doc", "chunk")