README e .env.example passam a registrar, com os números medidos no índice
real de 31.098 versículos: o stemming (Mt 5:44 de 434º a 1º no BM25), o BM25
sobre o versículo em vez da janela (12º a 1º), a cota MAX_KEYWORD_ONLY e os dois
limites que nenhum ajuste de nota resolve — MIN_SIMILARITY não bloqueia off-topic
(0/6 em qualquer limiar de 0,30 a 0,50) e a nota BM25 não separa acerto de ruído
(Dt 28:27 a 1,000 do topo contra Lc 7:47 a 0,716).
- 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)
omp