feat(stt): mémoire long-terme sémantique via Qdrant (5b) (#10)

Serveur : longterm.py — collection Qdrant stt-memory (embeddings Qwen3 gpu-01, dim auto,
Cosine), recall top-k injecté au prompt, remember des tours user. Tout dégrade proprement
si Qdrant/embeddings injoignables (la mémoire court-terme tient). Env STT_MEMORY_LONGTERM,
STT_QDRANT_URL, STT_EMBED_URL, STT_MEMORY_TOPK.

Testé en process : dégradation OK (Qdrant down → mem=0, pas de crash, court-terme tient).
Qdrant réparé le 17/06 (5c). Recherche sémantique réelle à valider sur cluster.


Claude-Session: https://claude.ai/code/session_013FmcxGsyXZXogiAHQLjnZT

Co-authored-by: Claude <noreply@anthropic.com>

stt/server/README.md

@@ -30,6 +30,10 @@ la cohérence de la mémoire process. Mémoire long-terme Qdrant = phase 5b.)
 | `STT_ALLOWED_MODELS` | `hermes-default,qwen3-8b,claude-sonnet-4-6,claude-opus-4-7` | alias autorisés (demandables par le client) |
 | `STT_SYSTEM_PROMPT` | prompt vocal FR concis | persona |
 | `STT_MAX_TOKENS` / `STT_TEMPERATURE` | `200` / `0.7` | génération |
+| `STT_MEMORY_LONGTERM` | `true` | mémoire long-terme Qdrant (dégrade si injoignable) |
+| `STT_QDRANT_URL` | `http://192.168.10.1:6333` | Qdrant (s01) |
+| `STT_EMBED_URL` | `http://192.168.10.20:1234/v1/embeddings` | embeddings Qwen3 (gpu-01) |
+| `STT_MEMORY_TOPK` | `3` | nombre de souvenirs injectés |
 
 ## Dev local
 
@@ -48,9 +52,15 @@ curl -s localhost:8000/v1/ask -H 'content-type: application/json' -d '{"text":"b
 - Manifests : `k8s/apps/stt/` ; Application ArgoCD : `k8s/apps-of-apps/apps/stt.yaml` (depuis `main`).
 - Accès LiteLLM (hors cluster) : IP directe `192.168.10.1:4000` (même pattern qu'open-webui).
 
+## Mémoire
+
+- **Court-terme** (`memory.py`) : historique par `session_id` (en mémoire, borné + TTL).
+- **Long-terme** (`longterm.py`) : collection Qdrant `stt-memory` (vecteurs des tours user,
+  embeddings Qwen3), souvenirs pertinents injectés au prompt. Dégrade si Qdrant/embeddings down.
+
 ## À venir
 
 - Intégration des **outils Hermes** (« agir sur Funk ») via le gateway `:8080` — nécessite
   de spécifier son API. Aujourd'hui : inférence/chat seulement (via LiteLLM).
-- **Mémoire** centralisée : Qdrant (s01) + distillation versionnée (`server/memory/`).
-- Sessions multi-clients + historique.
+- Embedding dédié (`nomic-embed-text`) pour une recherche sémantique de meilleure qualité.
+- Mémoire **distillée** versionnée (faits/préférences) dans `server/memory/`.