feat(harness): port backend Onda 0 — vendor, lshindex, sqlcheck, execute, rest/exec, ctetest, report, datamart

8 moduli leaf portati verbatim da ChironeWp3 con rename psdwp3→tht:
- vendor/thoth_lsh (MinHash/LSH, leaf puro datasketch+tqdm) + VENDORED.md
- lshindex/ (build/save/load/query, dipende vendor + LshConfig)
- sqlcheck/ (validate_sql, leaf ExecutionConfig+mschema)
- execute/ + execute/warnings (run_controlled/explain, leaf sqlglot+sqlalchemy)
- rest/execute + rest/explain (REST variants, dipendono execute+rest.client)
- ctetest (CTE test records, leaf sqlglot+pydantic)
- report (validation report rendering, dipende execute+sqlcheck)
- datamart (stub NotImplementedError)

Verifica: import smoke catena completa OK, pytest 109 passed. Deps (datasketch, sqlglot,
sqlalchemy, pydantic, requests, tqdm) già in pyproject. VENDORED.md neutralizzato
(riferimenti PsdWp3→Thoth).

harness/tht/datamart.py

@@ -0,0 +1,26 @@
+"""Fase 8 — generazione dbt del datamart (hook, non ancora implementato).
+
+Punto d'innesto unico per la generazione del modello dbt da aggiungere al flusso
+ETL di creazione dei datamart. La logica vera verra' sviluppata in seguito: per
+ora qui vive solo la firma della funzione (il "hook") con le due varianti del
+paziente.
+"""
+
+from pathlib import Path
+
+# Le due varianti previste per il paziente nel datamart:
+# - "clear":        nome, cognome, ecc. in chiaro
+# - "pseudonymized": nome, cognome, ecc. mascherati (pseudoanonimizzati)
+DATAMART_MODES = ("clear", "pseudonymized")
+
+
+def generate_dbt_datamart(session_dir: Path, mode: str) -> None:
+    """Genera il modello dbt del datamart per la sessione (HOOK — stub).
+
+    `mode` sceglie la variante del paziente (vedi DATAMART_MODES). Non ancora
+    implementato: solleva NotImplementedError, intercettata dalla CLI che mostra
+    un messaggio pulito senza interrompere il workflow.
+    """
+    raise NotImplementedError(
+        "Generazione dbt del datamart non ancora implementata"
+    )