feat(извлечение): надёжное распознавание колонки названий + добор трудных PDF через Vision

- grid: колонки «Код …» и «№» исключены из кандидатов на колонку названий
  (ключ «услуг» ловил «Код услуги») — клиника с 5181 строкой больше не даёт 0.
- vision: авто-добор PDF при пустом или подозрительно низком выходе строк/страницу,
  замена недобора полным распознаванием, ретраи на лимиты, лимит размера документа.
- презентация статуса проекта на /day2; маршрут /day2 в Caddy.

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

etl/extractors/__init__.py

@@ -18,6 +18,11 @@ from contracts.models import ParsedDocument  # noqa: E402
 from etl.extractors import readers  # noqa: E402
 from etl.extractors.grid import extract_rows_from_grid  # noqa: E402
 
+# Порог «подозрительно мало строк на страницу» — ниже него PDF добираем через Vision.
+_VISION_MIN_ROWS_PER_PAGE = 12
+# Документы крупнее не отправляем в Vision (экономия времени и квоты).
+_VISION_MAX_PAGES = 40
+
 
 def extract(path: str, use_vision: bool = True) -> ParsedDocument:
     """Разобрать один файл прайса в структурированный ParsedDocument.
@@ -61,18 +66,33 @@ def extract(path: str, use_vision: bool = True) -> ParsedDocument:
         except Exception as exc:  # noqa: BLE001
             doc.parse_log.append(f"ошибка разбора таблицы: {type(exc).__name__}: {exc}")
 
-    # Трудные PDF (скан, битый слой, нулевой разбор) добираем через Gemini Vision.
-    needs_vision = use_vision and fmt == "pdf" and (doc.file_format == "scan_pdf" or not doc.rows)
-    if needs_vision and os.environ.get("GEMINI_API_KEY"):
-        try:
-            from etl.extractors.vision import extract_with_vision
+    # Трудные PDF добираем через Gemini Vision: скан, битый слой, нулевой или
+    # подозрительно низкий выход строк (мисматч колонок на испорченной вёрстке).
+    # Большие документы пропускаем ради экономии — это фиксируется в логе, не молча.
+    if use_vision and fmt == "pdf" and os.environ.get("GEMINI_API_KEY"):
+        pages = readers.pdf_page_count(path)
+        low_yield = pages > 0 and len(doc.rows) < pages * _VISION_MIN_ROWS_PER_PAGE
+        if doc.file_format == "scan_pdf" or not doc.rows or low_yield:
+            if pages > _VISION_MAX_PAGES:
+                doc.parse_log.append(
+                    f"Vision пропущен: {pages} стр. больше лимита {_VISION_MAX_PAGES}"
+                )
+            else:
+                try:
+                    from etl.extractors.vision import extract_with_vision
 
-            vision_rows = extract_with_vision(path)
-            doc.rows.extend(vision_rows)
-            doc.file_format = "scan_pdf"
-            doc.parse_log.append(f"Vision добрал {len(vision_rows)} позиций")
-        except Exception as exc:  # noqa: BLE001
-            doc.parse_log.append(f"Vision не сработал: {type(exc).__name__}: {exc}")
+                    vision_rows = extract_with_vision(path, max_pages=_VISION_MAX_PAGES)
+                    if len(vision_rows) > len(doc.rows):
+                        # Vision полнее нативного разбора — заменяем, а не дублируем.
+                        doc.rows = vision_rows
+                        doc.file_format = "scan_pdf"
+                        doc.parse_log.append(f"Vision: {len(vision_rows)} позиций (заменил разбор)")
+                    else:
+                        doc.parse_log.append(
+                            f"Vision: {len(vision_rows)} позиций — разбор не хуже, оставлен"
+                        )
+                except Exception as exc:  # noqa: BLE001
+                    doc.parse_log.append(f"Vision не сработал: {type(exc).__name__}: {exc}")
 
     if not doc.rows:
         doc.parse_log.append("позиции не извлечены")