feat(5.18): corpus k-NN exemple etichetate + seed real Haiku (17181 op)

Seed app/data/operatii-etichetate.json regenerat cu subagenti Haiku pe TOATE
cele 17181 operatii distincte (ordine frecventa, 100%), inlocuind seed-ul Groq
(3758). Validare Haiku vs Groq pe 157 op etichetate: la dezacorduri Haiku corect
~22/30, Groq ~0. Haiku prinde gunoiul ratat de Groq (ITP, chirie anvelope, nume
piese fara actiune): NUL 2200 (12.8%) vs ~7.6% Groq; adaptare electronica OE-7
(nu OE-5), placute frana uzura OE-1 (nu OE-F avarie).

US-001..006: prefiltru NUL determinist, etichetator offline, generator seed,
seeder mapping_suggestions (in init_db, gated seed_operatii_enabled), embeddings
indexeaza corpus etichetat, enrich NUL+kNN. Distributie seed: OE-1 80.1%, NUL
12.8%, OE-2 3.5%, restul rar (OE-4/3/7/8/R/I/5, AITLV, R-ODO).

config: seed_operatii_enabled=True + embeddings_enabled=True implicit (SILVER
populat + sugestii semantice; ambele suggestion-only, dezactivabile prin env).

Suita: 1387 passed, 1 deselected (live).

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

app/embeddings.py

@@ -135,10 +135,12 @@ class EmbeddingEngine:
         denumire: str,
         top_k: int = 3,
     ) -> list[dict]:
-        """Returneaza top_k vecini cosine [{cod, similaritate}].
+        """Returneaza top_k vecini cosine [{cod, is_nul, similaritate}].
 
-        Returneaza [] daca backend-ul lipseste, corpus-ul e gol sau apare
-        orice exceptie (degradare gratioasa -- nu blocheaza ingestia).
+        `is_nul` (PRD 5.18 US-005): cand corpusul include exemple NUL (non-operatii),
+        un vecin NUL = semnal de SUPRESIE, nu cod. Default False pe corpusuri vechi
+        fara `is_nul` in itemi. Returneaza [] daca backend-ul lipseste, corpus-ul e gol
+        sau apare orice exceptie (degradare gratioasa -- nu blocheaza ingestia).
         """
         if not self.is_available() or not self._corpus_items:
             return []
@@ -149,6 +151,7 @@ class EmbeddingEngine:
             scored = [
                 {
                     "cod": item["cod"],
+                    "is_nul": bool(item.get("is_nul", False)),
                     "similaritate": _cosine_similarity(query_vec, vec),
                 }
                 for item, vec in zip(self._corpus_items, self._corpus_vecs)