feat: интеграция ML-скоринга с использованием RAG и DeepSeek

- Обновлен Dockerfile для установки необходимых зависимостей.
- Добавлены новые переменные окружения для настройки ML-скоринга в env.example.
- Реализованы методы для получения и обновления ML-скоров в AsyncBotDB и PostRepository.
- Обновлены обработчики публикации постов для интеграции ML-скоринга.
- Добавлен новый обработчик для получения статистики ML-скоринга в админ-панели.
- Обновлены функции для форматирования сообщений с учетом ML-скоров.

env.example

@@ -35,3 +35,20 @@ METRICS_PORT=8080
 # Logging
 LOG_LEVEL=INFO
 LOG_RETENTION_DAYS=30
+
+# ML Scoring - RAG (ruBERT)
+# Включает локальное векторное сравнение с использованием ruBERT
+RAG_ENABLED=false
+RAG_MODEL=DeepPavlov/rubert-base-cased
+RAG_CACHE_DIR=data/models
+RAG_VECTORS_PATH=data/vectors.npz
+RAG_MAX_EXAMPLES=10000
+RAG_SCORE_MULTIPLIER=5
+
+# ML Scoring - DeepSeek API
+# Включает оценку постов через DeepSeek API
+DEEPSEEK_ENABLED=false
+DEEPSEEK_API_KEY=your_deepseek_api_key_here
+DEEPSEEK_API_URL=https://api.deepseek.com/v1/chat/completions
+DEEPSEEK_MODEL=deepseek-chat
+DEEPSEEK_TIMEOUT=30