fix(splitter): 传递数据集级二阶段分片配置

[ottercoconut]

变更概述

修复数据集级分片配置没有完整传递到 splitter 装配的问题。关联 issue：#285。

本次改动后，create_chunking_engine(config=...) 会使用数据集级 ChunkingConfig 中的：

• stage_two_algorithm
• protected_neighbor_overlap

此前工厂虽然已经消费了 overlap_tokens、min_candidate_chunk_tokens、max_chunk_tokens、hard_max_tokens、heading_break_level，但 StageTwoRouter 仍读取全局 settings.CHUNKING_STAGE_TWO_ALGORITHM，导致前端/数据集开启 semantic_depth_window 后，只要服务端全局默认仍是 noop，实际分片仍走 candidate_boundary + noop。

根因

StageServices.run_chunking() 已经按数据集级 stage_two_algorithm 判断是否需要加载用户 EMBEDDING，但 src/core/splitter/factory.py 真正构造 StageTwoRouter 时又回到了全局 settings：

StageTwoRouter(
    algorithm_name=settings.CHUNKING_STAGE_TWO_ALGORITHM,
    ...
)

这造成“配置读取到了，但执行路由没用上配置”。

具体改动

• src/core/splitter/factory.py

  • 从 ChunkingConfig 解析 stage_two_algorithm，并传给 StageTwoRouter。
  • 从 ChunkingConfig 解析 protected_neighbor_overlap，并传给 StructuredSemanticChunker。
  • 保持 config is None 时继续回退系统级 CHUNKING_* 配置。

• tests/unit/core/splitter/test_factory.py

  • 覆盖数据集级 semantic_depth_window 覆盖全局 noop。
  • 覆盖数据集级 noop 覆盖全局 semantic_depth_window。
  • 覆盖运行时输出 metadata：全局为 noop 时，只要数据集级为 semantic_depth_window，最终 split_strategy 应为 candidate_boundary + semantic_depth_window。
  • 同步覆盖分片配置字段传递：heading_break_level、min_candidate_chunk_tokens、overlap_tokens、max_chunk_tokens、hard_max_tokens、stage_two_algorithm、protected_neighbor_overlap。

验证

.venv/bin/python -m pytest tests/unit/core/splitter
.venv/bin/python scripts/quality/check_docs_sync.py --working
git diff --check

结果：

• tests/unit/core/splitter：69 passed
• docs sync：OK，2 changed files, no doc-sync issues
• git diff --check：通过

风险与说明

• 本 PR 只修复“数据集级配置未传递到 splitter 路由”的问题。
• LINK-226 诊断中还观察到：二阶段启用后，neighbor overlap 在 hard max 校验之后追加，个别 chunk 仍可能超过用户配置的目标/硬上限。该问题与本 PR 的配置传播缺口不同，建议作为后续单独收敛。