feat(ingest+поиск): приём ZIP через интерфейс, регистронезависимый поиск, чистка очереди

- Загрузка архива (§4.1): POST /ingest распаковывает ZIP, дораспознаёт и
  догружает прайсы в базу (append). Виджет в админке. Кэш эмбеддингов справочника
  (dict_emb.npy) — догрузка считает только новый файл, эмбеддинги best-effort с
  откатом на fuzzy при сбое Gemini.
- Поиск по name_norm (lowercase): «УЗИ» и «узи» дают одинаковый результат —
  SQLite LIKE не сворачивает регистр для кириллицы.
- Фильтр названий: код-мнемоники («МОЗО.15») больше не попадают в очередь.
- /stats считается из базы — цифры на дашборде обновляются после загрузки.
- Деплой через Dockerfile (зависимости в образе, код монтируется томом).
- ruff: ядро и весь репозиторий проходят проверку.

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

etl/normalize/embedding.py

@@ -4,6 +4,7 @@
 раздувается и не держит модель в RAM. Размерность 768 выбрана, чтобы вектор лез в
 HNSW-индекс pgvector. Требуется переменная окружения GEMINI_API_KEY.
 """
+
 from __future__ import annotations
 
 import os
@@ -54,7 +55,9 @@ class GeminiEmbedder:
             chunk = items[start : start + self.batch]
             for attempt in range(8):
                 try:
-                    response = self._client.models.embed_content(model=self.model, contents=chunk, config=config)
+                    response = self._client.models.embed_content(
+                        model=self.model, contents=chunk, config=config
+                    )
                     vectors.extend(embedding.values for embedding in response.embeddings)
                     break
                 except Exception as exc:  # пауза и повтор при превышении квоты (429)