feat: 发布 UltimateRAG V2 文档智能版本

[leonyangdev]

概要

将 UltimateRAG 从 V1 Naive RAG 升级到 V2 Document Intelligence，重点交付可靠异步文档摄取、多格式统一解析、复杂 PDF 版面恢复、图片多模态理解和结构化 Token 切块。

主要变更

• 上传在 MinIO 原文件和 PostgreSQL Document/IngestionJob 原子落库后立即返回 HTTP 202/PENDING
• 独立 Worker 使用 PostgreSQL SKIP LOCKED、租约、心跳、有限重试和失败补偿完成后台处理
• 支持 Markdown、PDF、DOCX、XLSX、PPTX、HTML，以及 PNG/JPEG/WEBP/TIFF/BMP
• PDFium 本地完成 PDF 校验、扫描页判定和渲染；Docling Layout/TableFormer 本地恢复分栏阅读顺序、表格、图片区域和 BBox
• 扫描页使用百炼 OCR，稀疏 OCR 页面补充 Vision；独立图片融合 OCR 精确文字与 Vision 图形关系
• 清理空表格、重复伪表格、Markdown 包装和无检索价值装饰图片
• Chunk 按来源位置、内容类型和 Token 预算切分；表格续块重复题注及多级表头
• 前端轮询 PENDING/PARSING/CHUNKING/EMBEDDING/INDEXING/READY/FAILED，并展示 parser_name@parser_version
• Retrieval 仅允许 PostgreSQL 中 READY 的文档参与召回，并保留页码、BBox、Sheet、Range、Slide 等 Citation
• 更新 Docker、Alembic、README、ADR 和 apps/docs 文档站点

数据与部署说明

• 新增 Alembic 迁移 0002_v2_async_ingestion.py
• API 与 Worker 必须同时运行；业务事实保存在 PostgreSQL，原文件保存在 MinIO，Milvus 仅作为可重建派生索引
• 首次处理文字型 PDF 需要下载 Docling Layout/TableFormer 模型，Docker Volume 会持久化模型缓存
• OCR、Vision、Embedding 和 LLM 使用 .env 中配置的阿里云百炼服务
• CORS 已包含 http://192.168.3.19:3000

验证结果

• uv run pytest -q：45 passed
• uv run ruff check .：通过
• uv run mypy：43 个源码文件通过
• Web npm run lint：通过
• Web npm run build：通过
• apps/docs npm run docs:build：通过
• docker compose config --quiet：通过
• Docker API、Worker、Web、PostgreSQL、MinIO、Milvus 健康运行
• 真实 data 样本验收通过：上传立即返回 202/PENDING，后台最终 READY，图片关系、PDF Table 2 多级表头及第 8 页 BBox 可实际召回

V2 边界

本 PR 不包含混合检索、Reranker、Query Rewrite、认证、ACL、多租户、审计、任务管理控制台、RAGOps 或 Agent 工作流；这些能力按版本规划留给 V3/V4 及后续版本。