feat: две доработки в духе коммерческих систем — цитаты и авто-корпус

Ответ на "неужели больше нет" / "мы ведь можем это исправить": закрывает
две дыры относительно Антиплагиат.ру/Turnitin, о которых договорились.

1. Различение цитаты и голого плагиата (app.scoring.is_cited, worker-gpu):
   эвристика — фрагмент считается процитированным, если обрамлён кавычками
   («…», "…") либо сразу за ним (в пределах ~150 симв.) идёт скобочная ссылка
   с годом: [Иванов, 2023], (Smith, 2020) — совпадает и с нашим же форматом
   ГОСТ 7.0.5. aggregate_results теперь принимает full_text, размечает
   match["cited"] и считает uncited_similarity (доля БЕЗ похожих на цитаты —
   ближе к тому, что коммерческие системы называют "% некорректных
   заимствований") отдельно от overall_similarity (как было, для совместимости).
   Фронтенд: бейдж "Цитата" на совпадении + строка с разбивкой в отчёте
   (аддитивные опциональные поля в типах — старые задачи не ломаются).

2. Автопополнение корпуса проверенными работами (как у коммерческих систем —
   так ловится списывание у предыдущих потоков). Раньше загруженная на проверку
   работа складывалась в StagedWork и ждала РУЧНОГО одобрения админом — де-факто
   не пополняла базу для сравнения. Теперь index.auto_approve_submission
   (диспатчится из gpu.check_plagiarism ПОСЛЕ сохранения результата — чтобы
   работа не сматчилась сама с собой) добавляет её в documents автоматически,
   под настройкой AUTO_APPROVE_SUBMISSIONS (default True). Ручное
   approve/reject в админке остаётся рабочим (идемпотентно — auto-approve
   пропускает уже не-pending записи), пригодится при AUTO_APPROVE=False.
   Конвертация StagedWork→doc_data вынесена в чистый app/staging.py (без
   Celery/SQLAlchemy/MinIO) — тестируется изолированно, идентична ручному
   пути в admin.py (POST /admin/staging/{id}/approve).

Тестов добавлено 16 (scoring 8→18, новый staging.py — 6). Оба mypy-гейта
расширены (scoring.py, staging.py). Тестов всего: 112 (было 82 в последнем
подсчёте README — таблица давно отставала, заодно поправил на актуальные цифры
по всем сервисам, включая забытый в прошлый раз Qdrant).

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

services/worker-gpu/tests/test_scoring.py

@@ -1,12 +1,16 @@
 """Юнит-тесты скоринга плагиата (итоговый процент, который видит студент)."""
 
-from app.scoring import aggregate_results
+from app.scoring import aggregate_results, is_cited
 
 
 def _m(title: str, pos: int) -> dict:
     return {"source_title": title, "position_start": pos}
 
 
+def _mp(title: str, start: int, end: int) -> dict:
+    return {"source_title": title, "position_start": start, "position_end": end}
+
+
 def test_empty_input_is_zero():
     out = aggregate_results([], [], [], total_fragments=10)
     assert out["overall_similarity"] == 0.0
@@ -67,3 +71,71 @@ def test_percentage_rounded_to_two_decimals():
     # 1 из 3 → 33.333... → 33.33
     out = aggregate_results([_m("A", 0)], [], [], total_fragments=3)
     assert out["overall_similarity"] == 33.33
+
+
+# ─── is_cited ───────────────────────────────────────────────────────────────
+
+def test_is_cited_quoted_fragment():
+    text = 'Автор пишет: «дословная цитата» и развивает мысль.'
+    start = text.index("дословная")
+    end = start + len("дословная цитата")
+    assert is_cited(text, start, end) is True
+
+
+def test_is_cited_bracket_citation_with_year():
+    text = "Текст фрагмента без кавычек [Иванов, 2023] продолжение."
+    end = text.index(" [Иванов")
+    assert is_cited(text, 0, end) is True
+
+
+def test_is_cited_apa_style_citation():
+    text = "Some borrowed sentence here (Smith, 2020) continues."
+    end = text.index(" (Smith")
+    assert is_cited(text, 0, end) is True
+
+
+def test_is_cited_bare_plagiarism_is_false():
+    text = "Просто скопированный текст без всякого оформления далее."
+    assert is_cited(text, 0, 10) is False
+
+
+def test_is_cited_bracket_without_year_is_false():
+    text = "Текст фрагмента [см. приложение] продолжение."
+    end = text.index(" [см")
+    assert is_cited(text, 0, end) is False
+
+
+def test_is_cited_empty_full_text_is_false():
+    assert is_cited("", 0, 5) is False
+
+
+def test_is_cited_out_of_range_position_is_false():
+    assert is_cited("короткий текст", 0, 999) is False
+
+
+# ─── aggregate_results: cited/uncited split ──────────────────────────────────
+
+def test_cited_match_excluded_from_uncited_similarity():
+    text = 'Вот «процитированный фрагмент» и текст дальше.'
+    start = text.index("процитированный")
+    end = start + len("процитированный фрагмент")
+    out = aggregate_results([_mp("A", start, end)], [], [], total_fragments=4, full_text=text)
+    assert out["matches"][0]["cited"] is True
+    assert out["overall_similarity"] == 25.0     # цитата всё ещё учтена в общем %
+    assert out["uncited_similarity"] == 0.0      # но не в "некорректных" заимствованиях
+    assert out["cited_fragments"] == 1
+    assert out["uncited_fragments"] == 0
+
+
+def test_uncited_match_counts_in_both_percentages():
+    text = "Скопированный без указания источника текст фрагмента дальше."
+    out = aggregate_results([_mp("A", 0, 20)], [], [], total_fragments=4, full_text=text)
+    assert out["matches"][0]["cited"] is False
+    assert out["overall_similarity"] == out["uncited_similarity"] == 25.0
+    assert out["uncited_fragments"] == 1
+
+
+def test_no_full_text_means_nothing_marked_cited():
+    out = aggregate_results([_m("A", 0)], [], [], total_fragments=2)  # full_text не передан
+    assert out["matches"][0]["cited"] is False
+    assert out["overall_similarity"] == out["uncited_similarity"]