fix(L1): обрезать отпечатки равномерно по тексту, а не произвольно

winnow() возвращает set, поэтому list(fp)[:LIMIT] брал случайное подмножество:
у длинного документа целые куски оставались без отпечатков, и списывание
именно из них не находилось. Обнаружено при разборе того, почему фрагмент
статьи PMC не искался.

Добавлены winnow_ordered() — отпечатки в порядке появления в тексте, и
sample_evenly() — выборка каждого n-го элемента вместо первых N. Применено в
add_document и store_full_text.

7 тестов на главное свойство: выборка растянута по всей длине документа, шаг
ровный, порядок сохранён.

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

services/worker-indexer/tests/test_winnowing.py

@@ -5,7 +5,9 @@ from app.algorithms.winnowing import (
     get_ngrams,
     hash_ngram,
     jaccard_similarity,
+    sample_evenly,
     winnow,
+    winnow_ordered,
 )
 
 # Достаточно длинный текст, чтобы окно Winnowing реально отработало
@@ -77,3 +79,57 @@ def test_compute_similarity_partial_overlap_is_between():
     modified = LONG + " добавлен ещё один совершенно новый хвост предложения здесь"
     sim = compute_similarity(LONG, modified)
     assert 0.0 < sim < 1.0
+
+
+# ─── Обрезка отпечатков по лимиту ────────────────────────────────────────────
+# Регрессия: winnow() возвращает set, и list(fp)[:limit] брал произвольное
+# подмножество — у длинного документа целые куски оставались без покрытия,
+# и списывание из них не находилось.
+
+
+def test_winnow_ordered_matches_winnow_by_content():
+    """Тот же набор отпечатков, что и у winnow, только с порядком."""
+    assert set(winnow_ordered(LONG)) == winnow(LONG)
+
+
+def test_winnow_ordered_has_no_duplicates():
+    ordered = winnow_ordered(LONG)
+    assert len(ordered) == len(set(ordered))
+
+
+def test_winnow_ordered_follows_text_order():
+    """Отпечатки начала текста идут раньше отпечатков продолжения."""
+    tail = " совершенно другой хвост про выпечку хлеба и закваску в тёплой печи"
+    ordered = winnow_ordered(LONG + tail)
+    head_prints = set(winnow_ordered(LONG))
+    positions = [i for i, h in enumerate(ordered) if h in head_prints]
+    # Отпечатки первой половины сосредоточены в начале списка, а не разбросаны
+    assert max(positions) < len(ordered)
+    assert positions[0] == 0
+
+
+def test_sample_evenly_keeps_everything_under_limit():
+    items = [1, 2, 3]
+    assert sample_evenly(items, 10) == items
+    assert sample_evenly(items, 0) == items  # 0 = без ограничения
+
+
+def test_sample_evenly_respects_limit():
+    items = list(range(1000))
+    assert len(sample_evenly(items, 100)) == 100
+
+
+def test_sample_evenly_covers_whole_document():
+    """Главное свойство: выборка растянута по всей длине, а не обрезана с начала."""
+    items = list(range(1000))
+    sampled = sample_evenly(items, 10)
+    assert sampled[0] == 0
+    assert sampled[-1] >= 900  # хвост документа тоже покрыт
+    assert sampled == sorted(sampled)  # порядок сохранён
+
+
+def test_sample_evenly_spreads_uniformly():
+    items = list(range(100))
+    sampled = sample_evenly(items, 10)
+    gaps = [b - a for a, b in zip(sampled, sampled[1:], strict=False)]
+    assert max(gaps) - min(gaps) <= 1  # шаг ровный