chore: sync local code on 2026-06-08

[yzj-hsz]

Summary

• 为错题库新增第一版 RAG 能力，增加 backend/core/rag.py，支持题干、选项、答案、用户作答、科目、题型、知识点标签的统一索引与语义检索
• GET /api/error-bank/find 接入真实 embedding 检索，优先使用 RAG 语义召回；当 embedding 未配置或不可用时，自动降级到现有 hash 检索，保证接口可用性
• 新增 POST /api/rag/reindex，支持按当前用户或项目重建错题 RAG 索引，便于历史数据补建和调试
• 错题入库、题目编辑、答案更新、用户作答更新后自动刷新 RAG 索引，保证检索结果与最新内容同步
• 新增 PostgreSQL / pgvector 兼容支持；在 PostgreSQL 下优先使用向量列与相似度查询，在 SQLite 下继续使用 JSON 向量存储与 Python 余弦相似度计算
• 补充 RAG embedding 配置项与依赖，支持独立 embedding 凭据、复用 OpenAI provider，并兼容 base_url 场景
• 新增 reindex_all.py、backend/check_pg.py 和 backend/benchmark/recall.py，分别用于全量重建索引、检查 pgvector 能力和做 Recall@K 离线评测
• 补充 rag-development-plan.md，沉淀错题库与笔记 RAG 的阶段性设计、验收指标和后续扩展方向

Test plan

• 新导入错题后自动建立 RAG 索引，新增题目可被语义检索召回
• 编辑题目内容、答案和用户作答后，能够自动刷新对应索引
• GET /api/error-bank/find 在 embedding 可用时返回语义检索结果，并包含合理的匹配分数与检索模式
• embedding 未配置或调用失败时，接口自动降级到 hash 检索，查询流程不中断
• POST /api/rag/reindex 可按用户 / 项目重建现有错题索引，并返回成功、跳过、失败统计
• PostgreSQL 环境下可写入 pgvector 向量列并完成相似度查询；SQLite 环境下可正常使用本地余弦相似度检索
• backend/benchmark/recall.py 可执行 Recall@K 评测，验证 RAG / hash 两种检索方式的召回效果