feat(indexer): скачивание полного текста статей + батчинг эмбеддингов

Раньше корпус состоял только из метаданных: парсеры отдают full_text=None,
fingerprints/эмбеддинги считались из аннотаций, MinIO статьями не наполнялся
вовсе. Проверка плагиата шла против абстрактов, а не тел статей.

Добавлено:
- app/fulltext.py: best-effort скачивание PDF по url источника (стрим с
  лимитом размера, детект PDF по content-type/magic), извлечение текста
  через PyMuPDF.
- index.enrich_full_text: новая задача — качает полный текст, кладёт в MinIO
  (documents/corpus/{id}.txt), пересчитывает fingerprints по полному тексту,
  обновляет MinHash. Диспатчится из add_document при FETCH_FULL_TEXT=true.
- openalex: предпочитаем прямую ссылку на PDF (best_oa_location.pdf_url)
  вместо лендинга — покрытие full-text выросло с 17% до 33% на выборке.
- run_parser батчит эмбеддинги (EMBED_BATCH_SIZE) вместо диспатча по одному
  документу: worker-gpu кодирует пачку разом и реже переписывает FAISS-индекс.

Покрытие ~33% (прямые OA-PDF: arxiv/usenix/springer/techscience и т.п.);
для остального остаётся фолбэк на аннотацию. Управляется FETCH_FULL_TEXT.

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

services/worker-indexer/app/config.py

@@ -41,6 +41,13 @@ class Settings(BaseSettings):
     FRAGMENT_OVERLAP_WORDS: int = 50  # Перекрытие фрагментов
     MAX_FINGERPRINTS_PER_DOC: int = 500  # Максимум хэшей Winnowing на документ
 
+    # Скачивание полного текста статей (PDF по URL источника)
+    FETCH_FULL_TEXT: bool = False  # Включить обогащение полным текстом при заливке корпуса
+    FULL_TEXT_TIMEOUT: float = 30.0  # Таймаут скачивания одного документа, сек
+    FULL_TEXT_MAX_BYTES: int = 30 * 1024 * 1024  # Лимит размера скачиваемого файла (30 МБ)
+    FULL_TEXT_MIN_CHARS: int = 500  # Минимум символов, иначе считаем извлечение неудачным
+    EMBED_BATCH_SIZE: int = 64  # Размер пачки документов для диспатча эмбеддингов
+
     # App
     ENVIRONMENT: str = "development"
     DEBUG: bool = False