feat(rag): adatta pipeline allo schema chunks AST-based + ottimizza system prompt

config.py:
- EMBED_MODEL: qwen3-embedding:0.6b → bge-m3 (multilingua, migliore su testi accademici)
- SYSTEM_PROMPT: lingua esplicita, anti-allucinazione rafforzata, citazione strutturata
  con percorso sezione, passaggi numerati per spiegazioni, fallback al plurale

ingestion/ingest.py:
- embed su content_for_embedding (prefisso header contestuale)
- store content_original in ChromaDB (testo pulito per retrieval)
- metadata aggiornati: header_path, chunk_index, content_type, flags, start/end_line

rag.py, retrieve.py:
- sostituisce sezione/titolo (schema vecchio) con header_path (schema AST)

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

ingestion/ingest.py

@@ -139,18 +139,28 @@ def _ingest_stem(stem: str, collection: chromadb.Collection,
 
     for i, chunk in enumerate(chunks, start=1):
         t0 = time.monotonic()
-        vector = embed(chunk["text"], model)
+        vector = embed(chunk["content_for_embedding"], model)
         t1 = time.monotonic()
         durations.append(t1 - t0)
 
+        hp = chunk.get("header_path", [])
+        flags = chunk.get("flags", {})
+
         ids.append(f"{stem}__{chunk['chunk_id']}")
         embeddings.append(vector)
-        documents.append(chunk["text"])
+        documents.append(chunk["content_original"])
         metadatas.append({
-            "source":    stem,
-            "sezione":   chunk.get("sezione", ""),
-            "titolo":    chunk.get("titolo", ""),
-            "sub_index": chunk.get("sub_index", 0),
+            "source":       stem,
+            "chunk_index":  chunk.get("chunk_index", i - 1),
+            "content_type": chunk.get("content_type", ""),
+            "header_path":  " > ".join(h["text"] for h in hp),
+            "start_line":   chunk.get("start_line", 0),
+            "end_line":     chunk.get("end_line", 0),
+            "chars":        chunk.get("chars", 0),
+            "has_code":     flags.get("has_code", False),
+            "has_table":    flags.get("has_table", False),
+            "has_math":     flags.get("has_math", False),
+            "is_overflow":  flags.get("is_overflow", False),
         })
 
         avg  = sum(durations) / len(durations)