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.

helper_bot/handlers/admin/admin_handlers.py

@@ -161,7 +161,7 @@ async def get_ml_stats(
             await message.answer("📊 ML Scoring отключен\n\nДля включения установите RAG_ENABLED=true или DEEPSEEK_ENABLED=true в .env")
             return
         
-        stats = scoring_manager.get_stats()
+        stats = await scoring_manager.get_stats()
         
         # Формируем текст статистики
         lines = ["📊 <b>ML Scoring Статистика</b>\n"]
@@ -169,16 +169,22 @@ async def get_ml_stats(
         # RAG статистика
         if "rag" in stats:
             rag = stats["rag"]
-            lines.append("🤖 <b>RAG (ruBERT):</b>")
+            lines.append("🤖 <b>RAG API:</b>")
             lines.append(f"  • Статус: {'✅ Включен' if rag.get('enabled') else '❌ Отключен'}")
-            lines.append(f"  • Модель: {rag.get('model_name', 'N/A')}")
-            lines.append(f"  • Модель загружена: {'✅' if rag.get('model_loaded') else '❌'}")
+            lines.append(f"  • API URL: {rag.get('api_url', 'N/A')}")
+            
+            # Статистика из API (если доступна)
+            if "positive_examples" in rag or "negative_examples" in rag:
+                lines.append(f"  • Положительных примеров: {rag.get('positive_examples', 0)}")
+                lines.append(f"  • Отрицательных примеров: {rag.get('negative_examples', 0)}")
+                lines.append(f"  • Всего примеров: {rag.get('total_examples', rag.get('positive_examples', 0) + rag.get('negative_examples', 0))}")
+            
+            # Модель из API (если доступна)
+            if "model_loaded" in rag:
+                lines.append(f"  • Модель загружена: {'✅' if rag.get('model_loaded') else '❌'}")
+            if "model_name" in rag:
+                lines.append(f"  • Модель: {rag.get('model_name', 'N/A')}")
             
-            vs = rag.get("vector_store", {})
-            lines.append(f"  • Положительных примеров: {vs.get('positive_count', 0)}")
-            lines.append(f"  • Отрицательных примеров: {vs.get('negative_count', 0)}")
-            lines.append(f"  • Всего примеров: {vs.get('total_count', 0)}")
-            lines.append(f"  • Макс. примеров: {vs.get('max_examples', 'N/A')}")
             lines.append("")
         
         # DeepSeek статистика