fix(boundary): 修复多库边界问题、版本管理及删除清理

多库检索与存储修复:
- RRF 融合去重改用 (collection, chunk_id) 复合键，修复同名文件结果被吞
- DocStore 存储路径加 collection 前缀，修复跨库同名切片数据覆盖
- search_multiple 去重改用复合键
- chunk_id 解析改用 rsplit 兼容下划线文件名

上传与版本管理修复:
- 同名文件上传改为覆盖模式，自动清理旧切片
- 修复首次上传不创建版本记录
- 修复覆盖上传版本号回退到 v1
- sync ADDED 分支改用动态版本号生成
- _generate_version_id 改为基于全部版本递增
- 废止/恢复操作同步 SQLite 版本记录
- mark_document_as_superseded 改为仅更新 SQLite

删除清理修复:
- 删除文档时同步清理 SQLite 版本记录和变更日志
- 删除向量库时同步清理该库所有版本记录
- cleanup 改为清理 SQLite 记录而非 ChromaDB

测试:
- test_version_management.py: 27 条版本管理单元测试
- test_edge_cases.py: 28 条边界用例测试
- test_upload_dedup.py: 5 条上传去重测试
- e2e_risk_test.py: 27 条端到端风险测试

文档:
- 新增风险边界问题修复注意事项.md（面向后端的对接文档）
- 新增向量库边界风险分析.md
- 更新多篇现有文档

api/chat_routes.py

@@ -415,12 +415,16 @@ def _attach_citations(answer: str, contexts: List[Dict]) -> Dict[str, Any]:
     if not contexts:
         return {"answer_with_refs": answer, "citations": []}
 
-    # 按 chunk_id 组织 contexts
+    # 按 (collection, chunk_id) 复合键组织 contexts，防止跨库同名文件覆盖
     ctx_by_chunk = {}
     for ctx in contexts:
         meta = ctx.get('meta', {})
         chunk_id = meta.get('chunk_id') or f"{meta.get('source')}_{meta.get('chunk_index', 0)}"
-        ctx_by_chunk[chunk_id] = ctx
+        coll = meta.get('_collection') or meta.get('collection') or ''
+        composite_key = f"{coll}/{chunk_id}" if coll else chunk_id
+        # 保存原始 chunk_id，用于对外输出（ref tag / citation）
+        ctx['_raw_chunk_id'] = chunk_id
+        ctx_by_chunk[composite_key] = ctx
 
     # jieba 分词函数（fallback 到字符级）
     try:
@@ -485,20 +489,27 @@ def _attach_citations(answer: str, contexts: List[Dict]) -> Dict[str, Any]:
                 if cid not in cited_set:
                     cited_set.add(cid)
                     cited_chunks_ordered.append(cid)
-            # 在段落末尾插入引用标记（多个引用连续排列）
-            ref_tags = "".join(f"[ref:{cid}]" for cid in selected_ids)
+            # 在段落末尾插入引用标记（使用原始 chunk_id，不暴露复合键）
+            ref_tags = "".join(
+                f"[ref:{ctx_by_chunk[cid].get('_raw_chunk_id', cid)}]"
+                for cid in selected_ids
+            )
             result_parts.append(f"{para}{ref_tags}{sep}")
         else:
             result_parts.append(para + sep)
 
-    # 构建引用列表（按出现顺序）
+    # 构建引用列表（按出现顺序），使用原始 chunk_id 构建 citation
     citations = []
-    for chunk_id in cited_chunks_ordered:
-        ctx = ctx_by_chunk.get(chunk_id)
+    for composite_key in cited_chunks_ordered:
+        ctx = ctx_by_chunk.get(composite_key)
         if ctx:
             meta = ctx.get('meta', {})
             full_content = ctx.get('doc', '')
             citation = _build_citation(meta, full_content)
+            # 确保 citation 中的 chunk_id 使用原始值（不含 collection 前缀）
+            raw_id = ctx.get('_raw_chunk_id')
+            if raw_id:
+                citation['chunk_id'] = raw_id
             citations.append(citation)
 
     return {
@@ -587,7 +598,7 @@ def _build_citation(meta: Dict, full_content: str = '') -> Dict[str, Any]:
         "chunk_id": chunk_id_raw,
         "chunk_index": chunk_index,  # 全局切片序号，用于精准定位文档位置
         "source": meta.get('source', ''),
-        "collection": meta.get('_collection', ''),  # 所属向量库，用于前端文档预览跳转
+        "collection": meta.get('_collection') or meta.get('collection', ''),  # 所属向量库，用于前端文档预览跳转
         "doc_type": meta.get('doc_type', 'other'),
         "section": _clean_section(meta.get('section', '')),
         "preview": meta.get('preview', ''),
@@ -1528,12 +1539,8 @@ def rag():
                     meta['_retrieval_rank'] = rank
                     # 确保 _collection 字段存在（单知识库路径下 ChromaDB 原生不返回此字段）
                     if not meta.get('_collection'):
-                        if collections and len(collections) == 1:
-                            meta['_collection'] = collections[0]
-                        elif collections:
-                            meta['_collection'] = collections[0]  # 多知识库时回退到第一个
-                        else:
-                            meta['_collection'] = 'public_kb'
+                        # 优先使用入库时写入的 collection 字段
+                        meta['_collection'] = meta.get('collection') or (collections[0] if collections else 'public_kb')
                     source_name = meta.get('source', '未知')
                     if source_name not in seen_sources or score > seen_sources[source_name]['score']:
                         doc_type = meta.get('doc_type', 'other')