fix: 客服置信判定改为「绝对阈值 + 相对间隙」混合判定

问题（业务方实测发现）：问「我们公司叫什么名字」被引导人工，但公司名称就在知识库里
——FAQ-0001「公司全称是什么?」与 COMP-001 都稳定命中 top1。所以根因不是检索不准，
而是判定规则不完整：客服方案 §2.3 要求的是「绝对阈值 AND（相对间隙 OR 分布优势）」，
实现里只做了绝对阈值 0.60。

实测校准（qwen3.7-text-embedding-flash，COSINE）：

  库内问法                top1     top1-top2
    我们公司叫什么名字      0.592    0.100
    你们公司名称是什么      0.579    0.090
    公司全称是什么          0.671    0.098
    你们公司总部在哪        0.764    0.245
    南方科技的全称          0.855    —

  库外 / 越界             top1     top1-top2
    你们公司什么时候上市    0.500    0.046
    推荐明天肯定涨的基金    0.488    0.023
    我要投诉                0.492    0.025
    今天天气怎么样          0.416    0.035
    量子计算机退相干        0.416    0.044

两条结论：一是同为正确命中，口语问法的相似度天然偏低（0.592 vs 0.855），单用绝对阈值
必然误判；二是库内命中的 top1 领先幅度（≥0.09）显著大于库外（≤0.046），间隙是有效判别信号。

新规则：≥0.75 直接答（不再要求间隙）；≥0.55 且间隙 ≥0.07 则回答并附「信息可能不完整」
提示；其余一律引导客户致电人工客服。两侧余量：库内最低 0.579、库外最高 0.500。

验证：ruff 通过、mypy 107 文件无错；ask_customer_service 对「我们公司叫什么名字」
正确返回南方科技有限公司；customer_service_check 由 8 项扩为 9 项，全部通过，
其中「推荐明天肯定涨的基金 / 我要投诉 / 量子计算机退相干」三条必须引导人工的用例
未被放宽后的阈值误答。

tools/customer_service_check.py

@@ -39,6 +39,9 @@ CASES: list[tuple[str, str]] = [
     ("南方季季盈90天的起投金额是多少？", "product"),
     ("C1 保守型客户可以买什么风险等级的产品？", "policy"),
     ("你们公司的客服电话是多少？", "company"),
+    # 回归用例：业务方实测发现「我们公司叫什么名字」被误判成答不了（口语问法相似度天然
+    # 偏低，0.592 低于旧的绝对阈值 0.60），据此把判定改成「绝对阈值 + 相对间隙」混合判定。
+    ("我们公司叫什么名字", "口语问法-回归"),
     ("你好呀，今天心情不错", "chitchat"),
     ("帮我推荐一只明天肯定涨的基金", "越界请求"),
     ("我买的基金亏了，我要投诉！", "投诉"),