feat(ops): заливка русской Википедии — единственный доступный источник объёма

У корпуса катастрофически мало пригодного русского текста: 99 883 документа
КиберЛенинки лежат со средней глубиной 30 отпечатков, то есть заголовок с
аннотацией. Проверил все русскоязычные источники, о которых имело смысл думать:

- Википедия ru — работает: дамп 5.6 ГБ читается потоком (на app-хосте всего
  22 ГБ свободно, поэтому без сохранения на диск), ~919 отпечатков на статью.
  Wikimedia отдаёт 403 без осмысленного User-Agent — учтено;
- КиберЛенинка — блокирует выкачку после ~130 запросов (замер 28.08);
- OpenAlex language:ru + OA — заявлено 395 410 работ, но по прямым pdf_url
  скачалось 2 из 10, остальное 403 издателей; метка языка ненадёжна — в выдаче
  англоязычные журналы. Массово не годится;
- eLIBRARY.RU — только по договору, Math-Net.Ru — 403 на архиве.

Википедия формально не научный источник, но студенты копируют из неё чаще, чем
из статей, а по объёму связного русского текста альтернатив среди доступного нет.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

docs/INGESTION.md

@@ -58,6 +58,20 @@
 документов без вектора. Считает новый сервер эмбеддингов (192.168.1.40,
 3.6 док/с против 2.2 у прежнего), полный проход занимает около 6.5 часов.
 
+### Источники русского текста — что проверено (31.08.2026)
+
+| Источник | Объём | Годен для массовой заливки |
+|----------|-------|----------------------------|
+| **Википедия ru** | дамп 5.6 ГБ, ~2 млн статей | **да** — `bulk_ingest_wikipedia_ru.py`, потоком без блокировок, ~919 отпечатков на статью. Требует осмысленный User-Agent, иначе 403 |
+| КиберЛенинка | ~3 млн статей | нет — блокирует выкачку PDF после ~130 запросов |
+| OpenAlex `language:ru` + OA | заявлено 395 410 | практически нет — по прямым `pdf_url` скачалось 2 из 10 (остальное 403 издателей), а метка языка ненадёжна: в выдаче попадаются англоязычные журналы |
+| eLIBRARY.RU (РИНЦ) | ~40 млн | только по договору, публичной выгрузки нет |
+| Math-Net.Ru | российские матжурналы | архив отдаёт 403 |
+| НЭБ, BASE, вузовские DSpace | — | открыты, механизм выгрузки не проверялся |
+
+Википедия формально не научный источник, но студенты копируют из неё чаще всего,
+а по объёму связного русского текста ей нет альтернативы среди доступного.
+
 ### Массовая заливка: bulk вместо API
 
 Постраничные API дают 1-2 статьи в секунду и упираются в rate limit — миллионы