feat(phase1): 实现文档分块向量化索引

Task 5.6: 向量化索引实现
- VectorIndexService 新增方法：
  - indexDocumentChunks(docId, chunks): 索引文档分块到 Milvus
  - deleteDocumentChunks(docId): 删除文档的所有向量
  - buildDocumentMetadata(): 构建文档元数据（区分文件索引）

核心流程：
1. 上传时：文本提取 → 分块 → 向量化 → 存入 Milvus + MySQL
2. 检索时：问题向量化 → Milvus 语义检索 → 返回相似文档
3. 删除时：删除元数据 + 删除向量索引

实现细节：
- 复用 indexSingleFile 的向量化逻辑
- metadata.docId 标识文档来源（区分 upload: 和 file:）
- 删除表达式：metadata["docId"] == "xxx"
- 自动去重：上传前删除旧向量数据

DocumentManagementService 完整实现：
- uploadDocument: 完整向量化流程（移除 TODO）
- deleteDocument: 同步删除向量索引（移除 TODO）

编译验证：BUILD SUCCESS

Progress: 32/34 tasks completed (94%)

src/main/java/com/superbiz/agent/service/DocumentManagementService.java

@@ -108,22 +108,19 @@ public class DocumentManagementService {
         apiDocumentRepository.save(document);
         log.info("文档元数据已保存，docId: {}", docId);
 
-        // 6. 向量化并索引（TODO: 待实现批量分块索引）
+        // 6. 向量化并索引
         try {
-            // TODO: 实现 VectorIndexService.indexDocumentChunks(docId, chunks)
-            // 当前暂时标记为 INDEXED，后续补充实际向量化逻辑
-            log.warn("向量化索引功能待实现，docId: {}", docId);
-
+            vectorIndexService.indexDocumentChunks(docId, chunks);
             document.setStatus("INDEXED");
             document.setIndexedAt(LocalDateTime.now());
             apiDocumentRepository.save(document);
-            log.info("文档元数据已创建（向量化待实现），docId: {}", docId);
+            log.info("文档索引完成，docId: {}", docId);
 
         } catch (Exception e) {
-            log.error("文档处理失败，docId: {}", docId, e);
+            log.error("文档索引失败，docId: {}", docId, e);
             document.setStatus("FAILED");
             apiDocumentRepository.save(document);
-            throw new DocumentProcessException(docId, "process", "文档处理失败: " + e.getMessage(), e);
+            throw new DocumentProcessException(docId, "index", "向量化索引失败: " + e.getMessage(), e);
         }
 
         return docId;
@@ -208,8 +205,13 @@ public class DocumentManagementService {
 
         ApiDocument doc = optional.get();
 
-        // TODO: 删除向量索引
-        log.warn("向量索引删除功能待实现，docId: {}", docId);
+        // 删除向量索引
+        try {
+            vectorIndexService.deleteDocumentChunks(docId);
+            log.info("文档向量索引已删除，docId: {}", docId);
+        } catch (Exception e) {
+            log.warn("删除向量索引失败，docId: {}", docId, e);
+        }
 
         // 删除元数据
         apiDocumentRepository.delete(doc);