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/vendor/VENDORED.md

@@ -0,0 +1,30 @@
+# Codice vendorizzato
+
+## thoth_lsh.py
+
+- Origine: `thoth_sqldb2` (pacchetto PyPI `thoth-dbmanager` 0.7.4), file `thoth_dbmanager/lsh/core.py`
+- Copyright 2025 Marco Pancotti — Apache License 2.0
+- Modifiche locali:
+  1. rimosso blocco di debug su colonna "doctype" in `create_lsh_index`;
+  2. `skip_column`: soglie parametrizzate (`max_total_chars`, `max_avg_length`) con default
+     identici agli originali (50000 / 20);
+  3. rimossa `query_lsh_index` (sostituita da `tht.lshindex.query_index`, che restituisce
+     anche gli score per il ranking spiegabile);
+  4. try/except generico rimosso da `create_lsh_index`: gli errori devono emergere.
+  5. `skip_column`: la guardia "name-like" (originariamente solo `"name"`) è stata estesa
+     a token bilingui EN/IT tramite la costante `NAME_LIKE_TOKENS`
+     (`name`, `nome`, `nominativ`, `denominazion`, `ragione_sociale`), sovrascrivibile col
+     parametro `name_tokens`. Necessario perché il datawarehouse Chirone è in italiano e le
+     colonne `nome`/`cognome`/`denominazione`/`ragione_sociale` non venivano riconosciute
+     dalla sola parola inglese `name`.
+
+**Nota: `skip_column` e `NAME_LIKE_TOKENS` non sono più usati dal flusso Thoth.**
+La selezione delle colonne da indicizzare è ora governata dal *principio di eleggibilità
+delle colonne* (spec: `docs/superpowers/specs/2026-06-13-tht-column-eligibility-principle.md`).
+L'esclusione dei testi larghi avviene a monte tramite il flag `eligible` persistito in
+`physical.yaml` (impostato da `nsp schema introspect`), non tramite l'euristica sulla
+lunghezza del vendorizzato. Le funzioni restano nel file per fedeltà alla sorgente upstream;
+Thoth ha semplicemente smesso di importarle (vedi `tht/db/sampling.py`).
+
+Le query di introspezione in `tht/db/introspect.py` sono ADATTATE (non copiate verbatim)
+da `thoth_dbmanager/adapters/postgresql.py` della stessa versione.

harness/tht/vendor/thoth_lsh.py

@@ -0,0 +1,82 @@
+# Vendored from thoth_sqldb2 (thoth-dbmanager 0.7.4) — lsh/core.py
+# Copyright 2025 Marco Pancotti — Apache License 2.0
+# Modifiche locali documentate in VENDORED.md.
+"""Core LSH (MinHash) per la ricerca di valori simili nei campi del database."""
+
+import logging
+from typing import Dict, List, Tuple
+
+from datasketch import MinHash, MinHashLSH
+from tqdm import tqdm
+
+
+def create_minhash(signature_size: int, string: str, n_gram: int) -> MinHash:
+    m = MinHash(num_perm=signature_size)
+    for d in [string[i : i + n_gram] for i in range(len(string) - n_gram + 1)]:
+        m.update(d.encode("utf8"))
+    return m
+
+
+# Token che, se presenti nel nome di una colonna, la marcano come "name-like":
+# nomi propri di persone/enti, i cui valori sono utili al value-matching e quindi
+# mai da escludere dall'indice LSH. Bilingue EN/IT (modifica locale, vedi VENDORED.md).
+# Per substring coprono le forme flesse: "nome" -> cognome/soprannome,
+# "name" -> surname/username, "denominazion" -> denominazione, ecc.
+NAME_LIKE_TOKENS: tuple[str, ...] = (
+    "name",
+    "nome",
+    "nominativ",
+    "denominazion",
+    "ragione_sociale",
+)
+
+
+def skip_column(
+    column_name: str,
+    column_values: List[str],
+    max_total_chars: int = 50000,
+    max_avg_length: int = 20,
+    name_tokens: tuple[str, ...] = NAME_LIKE_TOKENS,
+) -> bool:
+    lowered = column_name.lower()
+    if any(token in lowered for token in name_tokens):
+        return False
+    sum_of_lengths = sum(len(value) for value in column_values)
+    average_length = sum_of_lengths / len(column_values)
+    return (sum_of_lengths > max_total_chars) and (average_length > max_avg_length)
+
+
+def jaccard_similarity(m1: MinHash, m2: MinHash) -> float:
+    return m1.jaccard(m2)
+
+
+def create_lsh_index(
+    unique_values: Dict[str, Dict[str, List[str]]],
+    signature_size: int,
+    n_gram: int,
+    threshold: float,
+    verbose: bool = True,
+) -> Tuple[MinHashLSH, Dict[str, Tuple[MinHash, str, str, str]]]:
+    lsh = MinHashLSH(threshold=threshold, num_perm=signature_size)
+    minhashes: Dict[str, Tuple[MinHash, str, str, str]] = {}
+    total = sum(
+        len(column_values)
+        for table_values in unique_values.values()
+        for column_values in table_values.values()
+    )
+    logging.info("Total unique values: %s", total)
+    progress_bar = tqdm(total=total, desc="Creating LSH") if verbose else None
+
+    for table_name, table_values in unique_values.items():
+        for column_name, column_values in table_values.items():
+            for idx, value in enumerate(column_values):
+                minhash = create_minhash(signature_size, value, n_gram)
+                minhash_key = f"{table_name}_{column_name}_{idx}"
+                minhashes[minhash_key] = (minhash, table_name, column_name, value)
+                lsh.insert(minhash_key, minhash)
+                if progress_bar:
+                    progress_bar.update(1)
+
+    if progress_bar:
+        progress_bar.close()
+    return lsh, minhashes