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/main.py

@@ -66,11 +66,22 @@ async def start_bot(bdf):
     # Middleware уже добавлены на уровне dispatcher
     dp.include_routers(admin_router, private_router, callback_router, group_router, voice_router)
     
+    # Получаем scoring_manager для использования в shutdown
+    scoring_manager = bdf.get_scoring_manager()
+    
     # Добавляем обработчик завершения для корректного закрытия
     @dp.shutdown()
     async def on_shutdown():
         logging.info("Bot shutdown initiated, cleaning up resources...")
         try:
+            # Закрываем ресурсы ScoringManager
+            if scoring_manager:
+                try:
+                    await scoring_manager.close()
+                    logging.info("ScoringManager закрыт")
+                except Exception as e:
+                    logging.error(f"Ошибка закрытия ScoringManager: {e}")
+            
             await bot.session.close()
             logging.info("Bot session closed successfully")
         except Exception as e:
@@ -78,22 +89,6 @@ async def start_bot(bdf):
     
     await bot.delete_webhook(drop_pending_updates=True)
     
-    # Загружаем примеры для RAG из базы данных
-    scoring_manager = bdf.get_scoring_manager()
-    if scoring_manager and scoring_manager.rag_service and scoring_manager.rag_service.is_enabled:
-        try:
-            db = bdf.get_db()
-            positive_texts = await db.get_approved_posts_texts(limit=5000)
-            negative_texts = await db.get_declined_posts_texts(limit=5000)
-            
-            if positive_texts or negative_texts:
-                await scoring_manager.load_examples_from_db(positive_texts, negative_texts)
-                logging.info(f"RAG: Загружено {len(positive_texts)} положительных и {len(negative_texts)} отрицательных примеров")
-            else:
-                logging.warning("RAG: Нет примеров в базе данных для загрузки")
-        except Exception as e:
-            logging.error(f"Ошибка загрузки примеров для RAG: {e}")
-    
     # Запускаем HTTP сервер для метрик параллельно с ботом
     metrics_host = bdf.settings.get('Metrics', {}).get('host', '0.0.0.0')
     metrics_port = bdf.settings.get('Metrics', {}).get('port', 8080)
@@ -113,6 +108,14 @@ async def start_bot(bdf):
         logging.error(f"❌ Ошибка запуска бота: {e}")
         raise
     finally:
+        # Закрываем ресурсы ScoringManager перед завершением (на случай если shutdown не сработал)
+        if scoring_manager:
+            try:
+                await scoring_manager.close()
+                logging.info("ScoringManager закрыт в finally")
+            except Exception as e:
+                logging.error(f"Ошибка закрытия ScoringManager в finally: {e}")
+        
         # Останавливаем метрики сервер при завершении
         try:
             await stop_metrics_server()