feat: Спринт 1 — RAG-ядро, загрузка wiki и Debug UI

FastAPI + ChromaDB + E5-large + DeepSeek по паттерну work-pcs-dr-cdss,
адаптированному под пациентский контекст:

- services: embeddings (E5-large с префиксами), vectorstore (коллекция
  operators_wiki), document_processor (PDF/DOCX/TXT/MD + чанкер с FAQ-
  паттерном под wiki), llm_client (системный промпт ассистента клиники),
  rag_pipeline (одиночный вопрос → retrieval → ответ).
- routers: /health, /documents (upload, list, chunks, delete), /query.
- static/index.html: шапка со статусом, блок базы знаний с раскрытием
  чанков по клику, блок тест-вопроса с 3-колоночным ответом
  (чанки со score / собранный промпт / ответ LLM).
- Порт 8003 (8001 занят CDSS, 8002 — voicenote).

E2E проверен: загрузка wiki_test.md → 2 чанка, вопрос «как записать
ребёнка к лору?» → top score 84.8%, корректный ответ DeepSeek.

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

routers/health.py

@@ -0,0 +1,29 @@
+from fastapi import APIRouter
+
+from config import settings
+from models.responses import HealthResponse
+
+router = APIRouter()
+
+
+@router.get("/health", response_model=HealthResponse)
+async def health():
+    from main import vectorstore_service
+
+    if vectorstore_service is None:
+        return HealthResponse(
+            status="loading",
+            chromadb="not_connected",
+            embedding_model=settings.embedding_model,
+            documents_count=0,
+            chunks_count=0,
+        )
+
+    stats = vectorstore_service.get_stats()
+    return HealthResponse(
+        status="ok",
+        chromadb="connected",
+        embedding_model=settings.embedding_model,
+        documents_count=stats["documents_count"],
+        chunks_count=stats["chunks_count"],
+    )