refactor: вынос хардкода + LLM-анализ finding'ов

## Часть A: Вынос хардкода
- Новый модуль constants.py — все magic strings, лимиты, severity, ключи
  (104 хардкод-значения централизованы)
- Новый модуль queries.py — общие SQL-запросы (build_scan_list_query,
  build_package_list_query, get_dashboard_stats)
  Убрана дупликация между api/*.py и web/routes.py (~90%)

- config.py: добавлены NLP_ENABLED, nexus_timeout, guarddog_binary,
  log_syslog_facility, LLM-переменные
- nexus_client.py: таймауты из конфига, SHA256_CHUNK_SIZE из constants
- scanner.py: error-ключи из constants, GUARDDOG_OUTPUT_FORMAT из constants
- webhooks.py: RELEVANT_WEBHOOK_ACTIONS, METADATA_PATTERNS, ignore-строки
  из constants
- logging_setup.py: конфигурируемый syslog facility, APP_PACKAGE из constants
- main.py: APP_NAME, APP_DESCRIPTION, APP_PACKAGE из constants
- models.py: поле report: JSON | None в Finding для LLM-отчётов
- harvester.py: авто-очистка tmpdir через finally; ERROR_MESSAGE_MAX_LENGTH
  из constants; PACKAGE_EXTENSIONS вместо SUPPORTED_EXTENSIONS (с .gem)
- api/*.py + web/routes.py: используют build_*_query из queries.py,
  константы для лимитов и сортировок
- tests/conftest.py: SEVERITY_WARNING, DEFAULT_ECOSYSTEM из constants

## Часть B: LLM-анализ finding'ов
- llm.py: клиент для OpenAI-совместимых API с промптом security-аналитика
- harvester.py: авто-триггер после flagged scan, сохранение report в БД
- api/findings.py: POST /{id}/analyze — ручной триггер
- web/routes.py: POST /api/v1/findings/{id}/analyze — HTMX-фрагмент
- _llm_report_fragment.html: шаблон фрагмента с вердиктом
- scan_detail.html, package_detail.html: кнопка Analyze with LLM
  (htmx-post, spinner, inline-замена на LLM-отчёт)
- style.css: стили для .llm-report .verdict-safe/suspicious/malicious

## Часть C: Тесты
- 50 тестов, все зелёные
- Линтер чистый
- Тесты используют constants где нужно

guarddog_nexus/web/static/style.css

@@ -373,6 +373,49 @@ th.sortable.active .sort-icon {
     justify-content: flex-end;
     margin-bottom: 0.25rem;
 }
+
+/* LLM report */
+.llm-report {
+    margin-top: 0.75rem;
+    padding: 0.6rem 0.8rem;
+    background: var(--pico-color-gray-700);
+    border-radius: 6px;
+    font-size: 0.85rem;
+    line-height: 1.5;
+    border-left: 3px solid var(--pico-color-blue-400);
+}
+
+.llm-report strong {
+    color: var(--pico-color-blue-300);
+}
+
+.verdict-safe {
+    color: var(--pico-color-green-400);
+    font-weight: bold;
+}
+
+.verdict-suspicious {
+    color: var(--pico-color-yellow-400);
+    font-weight: bold;
+}
+
+.verdict-malicious {
+    color: var(--pico-color-red-400);
+    font-weight: bold;
+}
+
+.llm-actions {
+    margin-top: 0.5rem;
+}
+
+.llm-actions button {
+    font-size: 0.8rem;
+}
+
+/* htmx indicator */
+.htmx-indicator {
+    display: inline;
+}
 .toggle-all-btn {
     font-size: 0.8rem;
     margin-bottom: 0.5rem;