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.

env.example

@@ -36,14 +36,13 @@ METRICS_PORT=8080
 LOG_LEVEL=INFO
 LOG_RETENTION_DAYS=30
 
-# ML Scoring - RAG (ruBERT)
-# Включает локальное векторное сравнение с использованием ruBERT
+# ML Scoring - RAG API
+# Включает оценку постов через внешний RAG API сервис
 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
+RAG_API_URL=http://xx.xxx.xx.xx/api/v1
+RAG_API_KEY=your_rag_api_key_here
+RAG_API_TIMEOUT=30
+RAG_TEST_MODE=false
 
 # ML Scoring - DeepSeek API
 # Включает оценку постов через DeepSeek API