fix(qa): 修复 Markdown 标题式问答前缀解析缺陷

[suhan42]

QA 分块解析器原本不识别 # Q: / ## 问题: 这类带前缀标题，导致此类文档无法被正确切分问答对；同时缺乏超长 chunk 切分，单条问答可能超过 embedding 上下文上限。

变更说明

补全 QA 分块解析器的方法说明并登记 v0.7.2.beta1 的两条 changelog，使 docstring 描述与代码行为一致、让工作区已有的 QA 重写与 embed.py 调试日志改动进入版本材料。

• 任务类型：process
• 目标与非目标：
  • 目标：让 chunk_markdown docstring 与实际分支行为一致（修订"随时叠加"、"txt 兜底"等不准描述，明确 # Q:/# 问题: 标题作问题、纯 # 标题 作分节符）；把工作区已有的 QA 重写 + 超长 chunk 切分 + embed.py 超长输入调试日志补录到 changelog v0.7.2.beta1。
  • 非目标：不改 QA 解析器代码逻辑，不改测试用例，不重构邻近代码，不提交未在本 PR 范围的工作区改动。
• substantial / trivial 判断：trivial——仅 docstring/分支注释/changelog 文字性修订，代码逻辑零改动。

工程主张与 Owner

• 受影响的工程主张：
  1. QA 分块解析器的分发语义由 qa.py 源码拥有；本 PR 只改 docstring 描述，不改分发语义本身。
  2. v0.7.2.beta1 已在工作区实现的 QA 分块重写、超长 chunk 切分、embed.py 超长输入调试日志三项行为变更由 changelog 登记补全。
• Owner / commit point / 观察边界：docstring 由 qa.py:354-364, 394, 400 拥有，commit 后在源码可观察；changelog 两条由 changelog.md:102-103 拥有，commit 后在 docs 站点 v0.7.2.beta1 段尾可观察。
• 决策记录：trivial 文档性修订，未达决策记录门槛，免除。理由：仅澄清已有代码行为，未引入新约束、新边界或新取舍。

验证情况

docstring 描述与 chunk_markdown 分支行为一致

• 失败面：docstring 描述与代码不符（如"随时叠加"但 txt 不叠加、"txt 兜底"但实际为最高优先级）。
• 语义 Owner：qa.py:381-407 的分支实现。
• 直接证据 / 命令：人工对照 docstring 1-7 步与五个后缀分支调用序列。
• 负向案例：原 docstring 第 3 点"随时叠加"与 .txt 分支不调表格提取矛盾；原第 4 点"txt 中...无命中时兜底"与 .txt 分支把分隔符作为最高优先级矛盾。修订后两处均与代码一致。
• 结果：Inspected

changelog 两条登记与工作区 diff 一致

• 失败面：changelog 描述与工作区实际 diff 不符（夸大、缩小或虚构）。
• 语义 Owner：qa.py 与 embed.py 的工作区 diff。
• 直接证据 / 命令：git diff HEAD -- backend/package/yuxi/knowledge/chunking/ragflow_like/parsers/qa.py backend/package/yuxi/models/embed.py。qa.py 含 heading_re 剥 #、纯 # 标题作分节符、.md/.markdown/.mdx/.docx 合并分支、.txt 改分隔符优先 + 前缀兜底、新增 _split_long_qa_chunks；embed.py 新增 _log_long_inputs 在 encode/aencode 前以 logger.warning 打印超 4000 字符输入。
• 负向案例：原草稿"前缀与标题提取互斥避免重复 chunk，md/txt 多行答案不再错位"中"多行答案不再错位"未在 diff 中体现为修复点，已删除该表述。
• 结果：Inspected

QA 解析器代码逻辑零改动

• 失败面：声称"仅 docstring 改动"但实际改了函数体。
• 语义 Owner：qa.py 的 git diff。
• 直接证据 / 命令：git diff HEAD -- backend/package/yuxi/knowledge/chunking/ragflow_like/parsers/qa.py 仅 4 增 6 减，全部分布在 chunk_markdown docstring 与 .md 系列、else 两处分支注释行；_md_question_level、_extract_pairs_from_markdown_headings、_extract_pairs_by_prefix、_split_long_qa_chunks 函数体未动。
• 负向案例：测试文件 test_ragflow_like_chunking.py 0 改动。
• 结果：Inspected

文档构建与工程契约不破坏

• 失败面：changelog 改动引入 dead link、AGENTS 字符预算超限或空白错误。
• 语义 Owner：docs 构建产物 + verify_engineering_contracts.py。
• 直接证据 / 命令：cd docs && pnpm run build（build complete in 13.31s，无 dead link 报错）；python3.12 scripts/verify_engineering_contracts.py（通过：46 decisions / 87 docs / 253 web sources）；git diff --check（无输出）。
• 负向案例：本 PR 不引入新 dead link，不修改 AGENTS.md 字符预算。
• 结果：Passed

[xerrors]

@codex review

[chatgpt-codex-connector]

💡 Codex Review

Here are some automated review suggestions for this pull request.

Reviewed commit: 378792dcb2

ℹ️ About Codex in GitHub

Your team has set up Codex to review pull requests in this repo. Reviews are triggered when you

• Open a pull request for review
• Mark a draft as ready
• Comment "@codex review".

If Codex has suggestions, it will comment; otherwise it will react with 👍.

Codex can also answer questions or update the PR. Try commenting "@codex address that feedback".

[suhan42]

怎么 Re-run failed jobs