fix: 修复 11 个代码架构审计问题

H1: AppConfig 自定义 __init__ 改用 from_dict() 类方法
H2: list_collections_with_stats 改为从 ChromaDB 直接查询
H3: RateLimiter 过期 key 自动清理, 防止内存泄漏
M1: delete_by_source 区分 ValueError 与真实异常, 记日志
M2: VectorDB 新增 list_collections() 封装方法
M3: _remove_by_source 异常记日志, 不再静默吞掉
M4: CLI 集合回退支持 MD_VECTOR_DB_COLLECTION 环境变量
L1: DEFAULT_CONFIG_PATH 自动从项目根目录解析
L2: ingest 命令内重复 import 移至模块顶部
L3: 新增死循环回归测试 + 密集分隔符分块测试
L4: 统一 logger 名称为 md-vector-db
删除旧版审计文档

测试: 48 passed

tests/test_config.py

@@ -14,7 +14,7 @@ class TestEmbedConfig:
     def test_local_mode_defaults(self):
         """默认 local 模式，带默认模型名."""
         data = {"embed": {"mode": "local"}}
-        cfg = AppConfig(**data)
+        cfg = AppConfig.from_dict(data)
         assert cfg.embed.mode == "local"
         assert cfg.embed.local_model == "BAAI/bge-small-zh-v1.5"
         assert cfg.embed.api_base == ""
@@ -28,7 +28,7 @@ class TestEmbedConfig:
                 "api_key": "sk-test",
             }
         }
-        cfg = AppConfig(**data)
+        cfg = AppConfig.from_dict(data)
         assert cfg.embed.mode == "api"
         assert cfg.embed.api_base == "https://api.openai.com/v1"
         assert cfg.embed.api_key == "sk-test"
@@ -40,7 +40,7 @@ class TestChunkConfig:
     def test_default_values(self):
         """分块默认值正确."""
         data = {"chunk": {}}
-        cfg = AppConfig(**data)
+        cfg = AppConfig.from_dict(data)
         assert cfg.chunk.max_size == 1000
         assert cfg.chunk.overlap == 100
 

tests/test_ingest.py

@@ -68,6 +68,32 @@ def hello():
         all_content = " ".join(c["content"] for c in chunks)
         assert "def hello()" in all_content
 
+    def test_separator_near_start_does_not_loop(self, splitter):
+        """分隔符紧挨 start 时不会死循环 (回归测试, fix: start=max(start+1, next_start)).
+
+        场景: 超长段落中, 分隔符出现在距离 start 小于 overlap 的位置,
+        _split_single_paragraph 的 start 会回退为负数, str.rfind 负索引绕回导致死循环.
+        """
+        # 100 个句号 + 大量内容 → 句号密集在开头且很近
+        text = "。" * 80 + "内容文本" * 500
+        md = f"# 边界测试\n{text}"
+        chunks = splitter.split(md, source_file="edge.md")
+        # 不卡死即通过
+        assert len(chunks) > 0
+        # 验证内容完整
+        all_text = "".join(c["content"] for c in chunks)
+        assert "内容文本" in all_text
+
+    def test_dense_separators_in_long_para(self, splitter):
+        """超长段落中分隔符密集分布也能正确分块."""
+        # ~2000 字符: 每段 20 个"内容文本" + "。"，共 30 段
+        text = ""
+        for i in range(30):
+            text += "内容文本" * 20 + "。" * (3 if i % 5 == 0 else 1) + "\n"
+        md = f"# 密集分隔符\n{text}"
+        chunks = splitter.split(md, source_file="dense.md")
+        assert len(chunks) > 1  # 超过 1000 字符应被拆分
+
 
 class TestDocumentIngestor:
     """文档入库器测试."""