feat(search): 支持可配置的精确向量重打分 (exact rescore)，解决 topN 内 ANN 得分缺失问题

 修改内容

1. **新增配置项** (`config/config.yaml`)
   - `exact_knn_rescore_enabled`: 是否开启精确向量重打分，默认 true
   - `exact_knn_rescore_window`: 重打分窗口大小，默认 160（与 rerank_window 解耦，可独立配置）

2. **ES 查询层改造** (`search/searcher.py`)
   - 在第一次 ES 搜索中，根据配置为 window_size 内的文档注入 rescore 阶段
   - rescore_query 中包含两个 named script_score 子句：
     - `exact_text_knn_query`: 对文本向量执行精确点积
     - `exact_image_knn_query`: 对图片向量执行精确点积
   - 当前采用 `score_mode=total` 且 `rescore_query_weight=0.0`，**只补分不改排序**，exact 分仅出现在 `matched_queries` 中

3. **统一向量得分 Boost 逻辑** (`search/es_query_builder.py`)
   - 新增 `_get_knn_plan()` 方法，集中管理文本/图片 KNN 的 boost 计算规则
   - 支持长查询（token 数超过阈值）时文本 boost 额外乘 1.4 倍
   - 精确 rescore 与 ANN 召回**共用同一套 boost 规则**，确保分数量纲一致
   - 原有 ANN 查询构建逻辑同步迁移至该统一入口

4. **融合阶段得分优先级调整** (`search/rerank_client.py`)
   - `_build_hit_signal_bundle()` 中统一处理向量得分读取
   - 优先从 `matched_queries` 读取 `exact_text_knn_query` / `exact_image_knn_query`
   - 若不存在则回退到原 `knn_query` / `image_knn_query`（ANN 得分）
   - 覆盖 coarse_rank、fine_rank、rerank 三个阶段，避免重复补丁

5. **测试覆盖**
   - `tests/test_es_query_builder.py`: 验证 ANN 与 exact 共用 boost 规则
   - `tests/test_search_rerank_window.py`: 验证 rescore 窗口及 named query 正确注入
   - `tests/test_rerank_client.py`: 验证 exact 优先、回退 ANN 的逻辑

 技术细节

- **精确向量计算脚本** (Painless)
  ```painless
  // 文本 (dotProduct + 1.0) / 2.0
  (dotProduct(params.query_vector, 'title_embedding') + 1.0) / 2.0
  // 图片同理，字段为 'image_embedding.vector'
  ```
  乘以统一的 boost（来自配置 `knn_text_boost` / `knn_image_boost` 及长查询放大因子）。

- **named query 保留机制**
  - 主查询中已开启 `include_named_queries_score: true`
  - rescore 阶段命名的脚本得分会合并到每个 hit 的 `matched_queries` 中
  - 通过 `_extract_named_score()` 按名称提取，与原始 ANN 得分访问方式完全一致

- **性能影响** (基于 top160、6 条真实查询、warm-up 后 3 轮平均)
  - `elasticsearch_search_primary` 耗时: 124.71ms → 136.60ms (+11.89ms, +9.53%)
  - `total_search` 受其他组件抖动影响较大，不作为主要参考
  - 该开销在可接受范围内，未出现超时或资源瓶颈

 配置示例

```yaml
search:
  exact_knn_rescore_enabled: true
  exact_knn_rescore_window: 160
  knn_text_boost: 4.0
  knn_image_boost: 4.0
  long_query_token_threshold: 8
  long_query_text_boost_factor: 1.4
```

 已知问题与后续计划

- 当前版本经过调参实验发现，开启 exact rescore 后部分 query（强类型约束 + 多风格/颜色相似）的主指标相比 baseline（exact=false）下降约 0.031（0.6009 → 0.5697）
- 根因：exact 将 KNN 从稀疏辅助信号变为 dense 排序因子，coarse 阶段排序语义变化，单纯调整现有 `knn_bias/exponent` 无法完全恢复
- 后续迭代方向：**coarse 阶段暂不强制使用 exact**，仅 fine/rerank 优先 exact；或 coarse 采用“ANN 优先，exact 只补缺失”策略，再重新评估

 相关文件

- `config/config.yaml`
- `search/searcher.py`
- `search/es_query_builder.py`
- `search/rerank_client.py`
- `tests/test_es_query_builder.py`
- `tests/test_search_rerank_window.py`
- `tests/test_rerank_client.py`
- `scripts/evaluation/exact_rescore_coarse_tuning_round2.json` (调参实验记录)