Add global knowledge base with RAG search

- KB module: fastembed (AllMiniLML6V2) for CPU embedding, SQLite for
  vector storage with brute-force cosine similarity search
- Chunking by ## headings, embeddings stored as BLOB in kb_chunks table
- API: GET/PUT /api/kb for full-text read/write with auto re-indexing
- Agent tools: kb_search (top-5 semantic search) and kb_read (full text)
  available in both planning and execution phases
- Frontend: Settings menu in sidebar footer, KB editor as independent
  view with markdown textarea and save button
- Also: extract shared db_err/ApiResult to api/mod.rs, add context
  management design doc

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

doc/kb.md

@@ -0,0 +1,42 @@
+# 知识库 (KB / RAG)
+
+## 概述
+
+全局知识库，所有 project 的 agent 共享。用户在前端用 markdown 编辑，保存时自动切块并索引。Agent 通过 `kb_search` 和 `kb_read` 工具查询。
+
+## 数据流
+
+```
+用户编辑 markdown textarea
+  → PUT /api/kb
+  → 原文存 SQLite (kb_content 表，单行)
+  → 按 ## heading 切块
+  → fastembed (AllMiniLML6V2) 生成 embedding
+  → chunk + embedding 存 SQLite (kb_chunks 表)
+```
+
+## 切块策略
+
+按 markdown `##` heading 切分，每个 section 作为一个 chunk。无 heading 的开头部分作为一个 chunk。
+
+## Agent 工具
+
+- `kb_search(query: str)` → 向量搜索 top-5，返回相关片段
+- `kb_read()` → 返回 KB 全文
+
+## API
+
+- `GET /api/kb` → 返回 KB 全文 `{ content: string }`
+- `PUT /api/kb` → 保存全文 + 重新切块索引 `{ content: string }`
+
+## 技术选型
+
+- **向量存储**: SQLite (embedding 存为 BLOB，暴力余弦搜索)
+- **Embedding**: fastembed-rs (AllMiniLML6V2, 384 dim, CPU)
+- **原文存储**: SQLite (kb_content 表)
+
+## 前端
+
+- Sidebar 底部 Settings 弹出菜单 → Knowledge Base
+- 点击切换到 KB 编辑独立 view（与 project view 平级）
+- 大 textarea + Save 按钮