feat(sprint2): диалог с памятью треда — POST /chat + CRUD тредов

Второй кусок Спринта 2: агент теперь помнит контекст. RAG-retrieval
делается по последней реплике пациента, в LLM уходит системный промпт +
последние 20 сообщений треда + новая реплика + найденные фрагменты.

Backend:
- services/chat_service: send_message — создаёт тред при необходимости
  (auto-имя из первой реплики + UTC-дата), сохраняет user-реплику до
  вызова LLM (чтобы не потерять при сбое), делает retrieval, грузит
  историю треда (desc/limit 20 → reversed для хронологии), зовёт
  llm.chat, сохраняет ответ ассистента вместе с sources_json и
  assembled_prompt, обновляет thread.updated_at. Плюс list_threads с
  JOIN-выборкой превью первой реплики и счётчика сообщений,
  get_thread_detail через selectinload, rename_thread, delete_thread
  (CASCADE на FK делает уборку сообщений автоматически, но
  explicit delete оставлен для подсчёта удалённых).
- services/llm_client.chat: принимает history=[{role, content}, ...],
  собирает messages = [system, ...history, user-с-RAG]; assembled_prompt
  дампит всю цепочку в виде [SYSTEM]/[USER]/[ASSISTANT]-блоков для
  отображения в Debug UI.
- routers/chat: POST /chat, обрабатывает LookupError → 404.
- routers/threads: GET /threads, GET /threads/{id}, PATCH /threads/{id}
  (переименовать), DELETE /threads/{id}.
- models: ChatRequest, ThreadRenameRequest; ChatResponse, ThreadInfo,
  ThreadListResponse, ThreadDetailResponse, MessageInfo,
  ThreadDeleteResponse.

Запуск:
- В lifespan main.py: автоматический alembic upgrade head через
  asyncio.to_thread (сам alembic делает asyncio.run внутри, его нельзя
  звать из уже работающего event loop). LLMClient инициализируется
  один раз при старте — вместо создания на каждый запрос.

E2E проверено: новый тред → агент отвечает и просит представиться;
вторая реплика в том же треде — агент помнит контекст; PATCH
переименовывает; DELETE удаляет тред с каскадом на сообщения.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

services/llm_client.py

@@ -27,6 +27,15 @@ DEFAULT_USER_TEMPLATE = """Вопрос пациента:
 Ответь пациенту в чате по правилам из системного сообщения."""
 
 
+CHAT_USER_TEMPLATE = """Новая реплика пациента:
+{question}
+
+Выдержки из базы знаний операторов (по последней реплике):
+{sources}
+
+Ответь пациенту с учётом истории диалога выше и правил из системного сообщения."""
+
+
 class LLMClient:
     def __init__(
         self,
@@ -102,3 +111,64 @@ class LLMClient:
         content = data["choices"][0]["message"]["content"]
         logger.info("LLM response: %d chars, model=%s, temp=%.2f", len(content), self.model, effective_temp)
         return {"text": content.strip(), "assembled_prompt": assembled_prompt}
+
+    async def chat(
+        self,
+        question: str,
+        sources: list[dict],
+        history: list[dict],
+        system_prompt: str | None = None,
+        temperature: float | None = None,
+        max_tokens: int | None = None,
+    ) -> dict:
+        """Generate a patient-facing answer using RAG + conversation history.
+
+        `history` — список предыдущих сообщений треда в формате
+        [{"role": "user"|"assistant", "content": str}, ...] (без текущей реплики).
+
+        Returns dict with 'text' and 'assembled_prompt'.
+        """
+        effective_system = system_prompt or DEFAULT_SYSTEM_PROMPT
+        effective_temp = temperature if temperature is not None else 0.2
+        effective_max_tokens = max_tokens or 1200
+
+        formatted_sources = self._format_sources(sources)
+        user_message = CHAT_USER_TEMPLATE.format(
+            question=question,
+            sources=formatted_sources,
+        )
+
+        messages: list[dict] = [{"role": "system", "content": effective_system}]
+        messages.extend(history)
+        messages.append({"role": "user", "content": user_message})
+
+        assembled_prompt_parts = [f"[SYSTEM]\n{effective_system}"]
+        for m in history:
+            tag = "USER" if m["role"] == "user" else "ASSISTANT"
+            assembled_prompt_parts.append(f"[{tag}]\n{m['content']}")
+        assembled_prompt_parts.append(f"[USER]\n{user_message}")
+        assembled_prompt = "\n\n".join(assembled_prompt_parts)
+
+        url = f"{self.base_url}/chat/completions"
+        payload = {
+            "model": self.model,
+            "messages": messages,
+            "temperature": effective_temp,
+            "max_tokens": effective_max_tokens,
+        }
+
+        async with httpx.AsyncClient(timeout=60.0) as client:
+            response = await client.post(
+                url,
+                json=payload,
+                headers={
+                    "Authorization": f"Bearer {self.api_key}",
+                    "Content-Type": "application/json",
+                },
+            )
+            response.raise_for_status()
+            data = response.json()
+
+        content = data["choices"][0]["message"]["content"]
+        logger.info("LLM chat response: %d chars, history=%d, model=%s", len(content), len(history), self.model)
+        return {"text": content.strip(), "assembled_prompt": assembled_prompt}