fix(backend): 落实 PR #9 评审意见

- 检索调优参数(rrf_k/rerank/rerank_candidates/score_threshold)透传到引擎实际执行
- Recall 去重，避免同一 Note 多 Block 重复导致 Recall 超 1
- RAG 运行改为后台异步执行：创建即 queued + 202，支持取消与 SSE 实时事件
- 数据集元数据校验，坏文件隔离跳过；citation_required 语义修正
- modes 空/重复校验；配置快照记录模型版本与索引元信息

Co-Authored-By: Claude Code <noreply@anthropic.com>

backend/app/benchmarks/metrics.py

@@ -13,11 +13,14 @@ def hit_at_k(retrieved: list[str], expected: set[str], k: int) -> bool:
 
 
 def recall_at_k(retrieved: list[str], expected: set[str], k: int) -> float:
-    """前 k 个结果召回的期望 id 占比；期望为空时视为 0。"""
+    """前 k 个结果召回的期望 id 占比；期望为空时视为 0。
+
+    结果先去重：检索结果是 Block 级，同一 Note 可能经多个 Block 重复出现，
+    直接逐项计数会把同一 Note 算多次、导致 Recall 超过 1。
+    """
     if not expected:
         return 0.0
-    hits = sum(1 for item in retrieved[:k] if item in expected)
-    return hits / len(expected)
+    return len(set(retrieved[:k]) & expected) / len(expected)
 
 
 def reciprocal_rank(retrieved: list[str], expected: set[str]) -> float: