feat: RAG 임베딩 자동 동기화 + AI 서비스 개선

- 부적합 라이프사이클 전 과정에서 Qdrant 임베딩 자동 동기화
  - 관리함 5개 저장 함수 + 수신함 상태 변경 시 fire-and-forget sync
  - 30분 주기 전체 재동기화 안전망 (FastAPI lifespan 백그라운드 태스크)
  - build_document_text에 카테고리(final_category/category) 포함
- RAG 질의에 DB 통계 집계 지원 (카테고리별/부서별 건수)
- Qdrant client.search → query_points API 마이그레이션
- AI 어시스턴트 페이지 권한 추가 (tkuser)

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

ai-service/services/embedding_service.py

@@ -1,11 +1,18 @@
+import logging
+
 from services.ollama_client import ollama_client
 from db.vector_store import vector_store
 from db.metadata_store import metadata_store
 from services.db_client import get_all_issues, get_issue_by_id, get_issues_since
 
+logger = logging.getLogger(__name__)
+
 
 def build_document_text(issue: dict) -> str:
     parts = []
+    cat = issue.get("final_category") or issue.get("category")
+    if cat:
+        parts.append(f"분류: {cat}")
     if issue.get("description"):
         parts.append(issue["description"])
     if issue.get("final_description"):
@@ -84,6 +91,7 @@ async def sync_all_issues() -> dict:
 
 
 async def sync_single_issue(issue_id: int) -> dict:
+    logger.info(f"Sync single issue: {issue_id}")
     issue = get_issue_by_id(issue_id)
     if not issue:
         return {"status": "not_found"}