feat: 接入 BGE-M3 本地嵌入默认配置 + 新增 Qwen3-Reranker 重排

- .env.example 嵌入默认改为本地 BGE-M3（EMBEDDING_PROVIDER=local, dim=1024），NAS 全新部署即用
- 新增 app/services/reranker.py：基于 Ollama /api/rerank 的 cross-encoder 重排服务
- retriever 在 chunk 候选阶段接入语义精排，调用失败优雅降级为 RRF 顺序
- docker-compose 拉取 qwen3-reranker:0.6b，OLLAMA_MAX_LOADED_MODELS 提至 3
- .gitignore 排除 .workbuddy/ 与 .trae/（防止误提交项目记忆与 IDE spec）
- 新增 reranker 单元与集成测试，全量测试 529 passed

.env.example

@@ -7,12 +7,14 @@ APP_PORT=8000
 LOG_LEVEL=info
 
 # --- 嵌入模型 ---
-# openai | local
-EMBEDDING_PROVIDER=openai
+# openai | local。默认走本地 Ollama 的 BGE-M3（多语言榜首、dense+sparse 一体，零 API 成本）
+EMBEDDING_PROVIDER=local
+# 以下为 EMBEDDING_PROVIDER=openai 时启用的 OpenAI 兼容配置（本地模式可留空）
 OPENAI_API_KEY=sk-xxx
 OPENAI_BASE_URL=https://api.openai.com/v1
 EMBEDDING_MODEL=text-embedding-3-small
-EMBEDDING_DIMENSION=1536
+# 维度需与所选嵌入模型一致：BGE-M3 为 1024；切换 OpenAI 时改回 1536
+EMBEDDING_DIMENSION=1024
 
 # --- Qdrant ---
 QDRANT_PORT=6333
@@ -28,6 +30,11 @@ OLLAMA_MODEL=qwen2.5:1.5b
 # EMBEDDING_PROVIDER=local 时使用的 Ollama 嵌入模型
 OLLAMA_EMBEDDING_MODEL=bge-m3
 
+# --- 重排模型（cross-encoder，经 Ollama /api/rerank 对 chunk 候选精排）---
+# 启用后显著提升最终 Top-K 相关性；需 Ollama 已拉取 RERANKER_MODEL（见 docker-compose）
+RERANKER_ENABLED=true
+RERANKER_MODEL=qwen3-reranker:0.6b
+
 # --- NAS 持久化 ---
 NAS_DATA_DIR=./data