docs/fix: aggiorna README e fix ingest per embedding robusto

README riscritto per rispecchiare la pipeline attuale:
- rimossi riferimenti a Stage 1, md_optimizer, fix_chunks
- pipeline semplificata: MinerU .md → chunker → ingest → rag
- tabelle parametri aggiornate (SKIP_HEADINGS, SKIP_PRE_HEADING,
  MERGE_SHORT_PARAGRAPHS, EMBED_MAX_CHARS al posto dei vecchi)
- struttura repo corretta

ingest.py: strip tag HTML ed entità prima dell'embedding per evitare
HTTP 500 da Ollama su chunk con tabelle HTML grezze; aggiunto
EMBED_MAX_CHARS (default 6000) in config.py.

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

config.py

@@ -32,6 +32,11 @@ NO_THINK = True
 # Se cambi questo, devi rieseguire ingest.py con --force.
 EMBED_MODEL = "nomic-embed-text"
 
+# Caratteri massimi inviati al modello di embedding.
+# Il testo viene troncato SOLO per il vettore; il documento completo
+# rimane in ChromaDB. nomic-embed-text: 8192 token ≈ 6000 char sicuri.
+EMBED_MAX_CHARS: int = 6000
+
 # ── Ollama ────────────────────────────────────────────────────────────────────
 
 # URL del server Ollama (default: locale sulla porta 11434).