KB 混合检索 RRF 融合（默认）+ 可选 LLM listwise 重排

### 现状

`hybrid_search_with_details` 对向量/FTS5 两路各取 top_k×2 后按 `vector_weight/keyword_weight` **线性加权**合并——两路分数量纲不同（余弦相似度 ~[0,1]，BM25 可为任意小正数），直接加权是已知次优：向量路量纲系统性碾压，关键词路的信号几乎被淹没。RRF（倒数排名融合）只用排名、天然消量纲，零依赖即可落地。

### 方案

- 融合逻辑抽为**纯函数** `fuse_scored` + `FusionMode`：RRF 分数 = Σ 1/(k + rank)（k=60 业界惯用）设为**默认**；weighted 线性加权保留可配回退（`kb.fusion_mode`，默认 rrf，未知值回退 rrf）。
- 四调用点接线：标准问答按设置项；MCP 工具路径用默认 RRF。
- 可选 LLM listwise 重排（`kb.rerank_enabled`，**默认关**）：top 候选拼提示词（文件名+摘录）经网关自身渠道打分重排（「用渠道跑渠道」，走 kb-internal 路由组——**重排 token 消耗自动计入请求日志**）；回复解析容错（截取 JSON 数组、越界/重复丢弃、缺失按原序补尾——输出恒为全排列）；失败静默回退原序。

### 兼容承诺

weighted 模式保留可配，历史行为逐字节保留（测试锁定）。默认切 rrf 的行为变化在此显著声明。

### 测试

量纲悬殊两路构造用例（向量 0.99/0.97 vs 关键词 0.0007/0.0005）断言加权下向量独大、RRF 下双路第一的候选登顶；RRF 分数确定性与明细保留；weighted 历史行为；设置项切换表达式（weighted 可切回、未配置走默认）；重排解析容错；knowledge 面 43/43。

### 开放点

1. k=60 常数是否需要可配？
2. MCP 检索工具是否需要透传 fusion_mode 参数（当前用默认 rrf）？

---
对应分支：`feat/capability-c06-r3-rrf-fusion`（无迁移）。

Start by locating hybrid_search_with_details and its four call sites, then trace the kb.fusion_mode and kb.rerank_enabled settings. Review the existing retrieval tests before separating fusion behavior and reranking; done means deterministic RRF details, preserved weighted behavior, tolerant reranking fallback, and all knowledge tests passing.

Written by the indexing model from the issue text.