feat(bird): sistema de logging de execução para benchmarks BIRD

[LuizCorrei4]

Descrição

Implementa a versão simples inicial de logging para as execuções do benchmark BIRD (Ata 16 - Item 5: Observabilidade e Logging de Execuções).

Esta funcionalidade permite que a equipe (Bernardo, Antonio e demais) execute testes de novos modelos (ex: GPT-6 Luna) mantendo rastreabilidade completa do raciocínio, prompts enviados, schemas RAG, prints de execução de nós e histórico de tentativas de autocorreção.

---

O que foi feito

1. Módulo src/bird/logger.py:
   • Classe BirdExecutionLogger com context manager capture_trace() via _TeeStream (intercepta prints de console sem suprimir a saída ao vivo do terminal).
   • Formatação estruturada em blocos delimitados (=== [START QID: ...] === e === [END QID: ...] ===).
   • Seções detalhadas por pergunta:
     • Metadados, pergunta e dicas/evidence.
     • Contexto de Schema recuperado (RAG / completo / data exploration).
     • Fluxo de execução capturado via Tee ([PLANEJADOR], [RETRIEVER], [SCHEMA], [DATA_EXPLORATION], [EXECUTOR]).
     • Histórico de tentativas (prompts enviados, raciocínio CoT/thoughts, SQL gerada e mensagens de erro do sandbox).
     • Comparação com a Gold Query (linhas retornadas, EX match, similaridade de texto, latência e consumo de tokens).
   • Cabeçalho e rodapé com sumário executivo de acurácia (EX final, Pass@1, tokens totais).
2. Integração no Orquestrador scripts/test_bird_eval.py:
   • Adicionadas flags de CLI --log {on,off} (padrão: on) e --log-file <caminho_opcional>.
   • O arquivo .log é gerado automaticamente na mesma pasta da execução (reports/bird/run_YYYY-MM-DD_HH-MM-SS/) ao lado dos arquivos .csv, .md e .json.
3. Exportação no Pacote src/bird/__init__.py:
   • Exporta BirdExecutionLogger.
4. Testes Unitários e de Integração tests/test_bird_eval.py:
   • Cobertura de ciclo de vida completo do logger (header, query simples, query com autocorreção em 2 tentativas, captura via Tee, footer).
   • Teste de comportamento desabilitado (--log off).
   • Teste de arquivo customizado (--log-file).
   • Todos os 22 testes de benchmark passando com sucesso.
5. Documentação e Roadmap da Versão Complexa:
   • temp_notes/plano_implementacao_logging_bird.md com arquitetura técnica e plano de evolução (subpastas por query com prompts brutos + integração com LangSmith / Arize Phoenix).

---

Como testar

# Rodar todos os testes do módulo BIRD
.venv/bin/pytest tests/test_bird_eval.py -v

# Rodar execução dry-run e inspecionar o log gerado na pasta reports/bird/run_*/
.venv/bin/python scripts/test_bird_eval.py --sample-size 2 --dry-run