refactor: troca PDF+OCR por corpus USFX em domínio público

- corpus/: Almeida (João Ferreira de Almeida) em USFX, domínio público,
  66 livros / 1189 capítulos / 31098 versículos, versionado com SHA-256
- app/corpus.py: parser USFX (texto no tail de <v/>), nomes canônicos dos
  livros, aliases (abreviaturas e numerais romanos), VerseChunk sem página
- indexer: descobre *.xml em CORPUS_DIR, progresso em versículos, lote
  configurável, manifesto incremental por SHA-256
- remove extraction.py, parallel.py, bible_parser.py, Tesseract e PyMuPDF
- campo page removido de Source/SearchResult/StatusResponse e do frontend
- embedder: propriedade name; status reporta o embedder em uso, não o do .env
- create_app constrói o embedder ANTES do store (o default HashEmbedder do
  VectorStore impedia o modelo configurado de ser carregado em produção)
- fallback do modelo agora aparece em /api/status.errors
- torch 2.6.0 + transformers 5.22.1 pinados (transformers 5.x exige torch>=2.6)

frontend/src/api.ts

@@ -6,21 +6,20 @@ export interface Source {
   book: string;
   chapter: number;
   verse: number;
-  page: number;
   file: string;
   score: number;
 }
 
 export interface Status {
   state: "ready" | "indexing" | "error";
-  pdfs_total: number;
-  pdfs_indexed: number;
+  sources_total: number;
+  sources_indexed: number;
   chunks: number;
   model: string;
   last_indexed_at: string | null;
   errors: string[];
-  pages_processed: number;
-  pages_total: number;
+  verses_indexed: number;
+  verses_total: number;
   current_file: string | null;
 }
 

frontend/src/components/SourcesAccordion.tsx

@@ -24,9 +24,7 @@ export function SourcesAccordion({ sources, citations = [] }: SourcesAccordionPr
           <blockquote key={source.reference} className="sources__item">
             <cite className="sources__reference">{source.reference}</cite>
             <p className="sources__text">{source.text}</p>
-            <footer className="sources__meta">
-              página {source.page} · {source.file}
-            </footer>
+            <footer className="sources__meta">{source.file}</footer>
           </blockquote>
         ))}
       </div>

frontend/src/components/StatusPanel.tsx

@@ -7,7 +7,7 @@ interface StatusPanelProps {
 }
 
 /**
- * Painel de status da indexação: quantos PDFs foram lidos, quantos vetores
+ * Painel de status da indexação: quantas fontes foram lidas, quantos versículos
  * estão indexados e um botão para forçar a reindexação.
  */
 export function StatusPanel({ status, onReindex, reindexing }: StatusPanelProps) {
@@ -19,6 +19,10 @@ export function StatusPanel({ status, onReindex, reindexing }: StatusPanelProps)
         ? "Indexando"
         : "Erro";
 
+  const versesTotal = status?.verses_total ?? 0;
+  const versesIndexed = status?.verses_indexed ?? 0;
+  const percent = versesTotal > 0 ? Math.min(100, (versesIndexed / versesTotal) * 100) : 0;
+
   return (
     <section className="status" aria-label="Status da indexação">
       <header className="status__header">
@@ -28,15 +32,15 @@ export function StatusPanel({ status, onReindex, reindexing }: StatusPanelProps)
 
       <dl className="status__grid">
         <div className="status__item">
-          <dt>PDFs lidos</dt>
+          <dt>Fontes lidas</dt>
           <dd>
-            {status?.pdfs_indexed ?? 0}
-            {status ? ` / ${status.pdfs_total}` : ""}
+            {status?.sources_indexed ?? 0}
+            {status ? ` / ${status.sources_total}` : ""}
           </dd>
         </div>
         <div className="status__item">
-          <dt>Vetores indexados</dt>
-          <dd>{status?.chunks ?? 0}</dd>
+          <dt>Versículos indexados</dt>
+          <dd>{(status?.chunks ?? 0).toLocaleString("pt-BR")}</dd>
         </div>
         <div className="status__item">
           <dt>Modelo</dt>
@@ -47,25 +51,18 @@ export function StatusPanel({ status, onReindex, reindexing }: StatusPanelProps)
       {status?.state === "indexing" && (
         <div className="status__progress">
           <div className="status__progress-label">
-            {status.current_file ? `Lendo ${status.current_file}` : "Lendo PDFs"}
-            {status.pages_total > 0 && ` · ${status.pages_processed}/${status.pages_total} páginas`}
+            {status.current_file ? `Indexando ${status.current_file}` : "Indexando corpus"}
+            {versesTotal > 0 && ` · ${versesIndexed.toLocaleString("pt-BR")}/${versesTotal.toLocaleString("pt-BR")} versículos`}
           </div>
-          {status.pages_total > 0 && (
+          {versesTotal > 0 && (
             <div
               className="status__progress-bar"
               role="progressbar"
-              aria-valuenow={status.pages_processed}
+              aria-valuenow={versesIndexed}
               aria-valuemin={0}
-              aria-valuemax={status.pages_total}
+              aria-valuemax={versesTotal}
             >
-              <span
-                style={{
-                  width: `${Math.min(
-                    100,
-                    (status.pages_processed / status.pages_total) * 100,
-                  )}%`,
-                }}
-              />
+              <span style={{ width: `${percent}%` }} />
             </div>
           )}
         </div>
@@ -85,7 +82,7 @@ export function StatusPanel({ status, onReindex, reindexing }: StatusPanelProps)
         onClick={onReindex}
         disabled={reindexing || state === "indexing"}
       >
-        {reindexing ? "Reindexando…" : "Reindexar PDFs"}
+        {reindexing ? "Reindexando…" : "Reindexar corpus"}
       </button>
     </section>
   );