refactor: обновление системы ML-скоринга и переход на RAG API

- Обновлен Dockerfile для использования Alpine вместо Slim, улучшая размер образа.
- Удален устаревший RAGService и добавлен RagApiClient для работы с внешним RAG API.
- Обновлены переменные окружения в env.example для настройки нового RAG API.
- Обновлен ScoringManager для интеграции с RagApiClient.
- Упрощена структура проекта, удалены ненужные файлы и зависимости, связанные с векторным хранилищем.
- Обновлены обработчики и функции для работы с новым API, включая получение статистики и обработку ошибок.

database/repositories/post_repository.py

@@ -462,21 +462,3 @@ class PostRepository(DatabaseConnection):
         self.logger.info(f"Получено {len(texts)} отклоненных постов для обучения")
         return texts
     
-    async def update_vector_hash(self, message_id: int, vector_hash: str) -> bool:
-        """
-        Обновляет хеш вектора для поста (для кеширования).
-        
-        Args:
-            message_id: ID сообщения
-            vector_hash: Хеш вектора
-            
-        Returns:
-            True если обновлено успешно
-        """
-        try:
-            query = "UPDATE post_from_telegram_suggest SET vector_hash = ? WHERE message_id = ?"
-            await self._execute_query(query, (vector_hash, message_id))
-            return True
-        except Exception as e:
-            self.logger.error(f"Ошибка обновления vector_hash для message_id={message_id}: {e}")
-            return False