feat(stt-server): contextes présélectionnables + sources live + contexte assemblé (visualiseur) (#38)

Asa n'est plus bloqué sur le seul contexte « doc cluster grounding-strict ». Le client
choisit un contexte par requête ; le serveur change le system prompt ET injecte les
données live du domaine, puis renvoie le contexte assemblé pour le visualiseur du HUD.

- contexts.py : profils funk / ghostfolio / grafana / alerting / cluster (system prompt
  + sources) + assemble() (prompt final + structure de visualisation).
- sources.py : fetchers live best-effort (Ghostfolio auth+details, Alertmanager alerts
  hors Watchdog, Prometheus cluster/metrics), env-config, dégradation propre.
- brain.py : ask() reçoit le system prompt déjà assemblé (assemblage remonté).
- app.py : /v1/ask accepte `context`, renvoie context_id + le contexte assemblé ;
  nouveau GET /v1/contexts ; RAG doc conditionné au profil.
- config.py : URLs sources + STT_GHOSTFOLIO_TOKEN + STT_DEFAULT_CONTEXT.
- deployment : env in-cluster (Prometheus/Alertmanager monitoring, Ghostfolio ai),
  jeton via secret optionnel stt-server-secrets/ghostfolio-token.
- bump 0.3.1 → 0.4.0.

Validé en local : assemblage (blocs+RAG+mémoire), parsing des sources (mock),
endpoints /v1/contexts et /v1/ask (LLM mocké) — context_id, visualiseur, fallback
contexte inconnu → funk.

Co-authored-by: Claude Opus 4.8 <noreply@anthropic.com>

stt/server/stt_server/brain.py

@@ -31,32 +31,21 @@ async def aclose() -> None:
 
 async def ask(
     text: str,
+    system: str,
     model: str | None = None,
     history: list[dict] | None = None,
-    memories: list[str] | None = None,
-    knowledge: list[str] | None = None,
 ) -> str:
-    system = settings.system_prompt
+    """Interroge le LLM avec un system prompt **déjà assemblé** (voir contexts.assemble).
+
+    Le choix du contexte, l'injection des sources live et du RAG sont faits en amont
+    (app.v1_ask + contexts) ; ici on ne fait que le réglage thinking + l'appel LLM.
+    """
     if settings.disable_thinking:
         # Qwen3 est un modèle « thinking » : sans ça il dépense tout le budget max_tokens
         # en raisonnement (`reasoning_content`) → `content` vide, ou part en réflexion longue
         # → timeout (502). Le token de contrôle `/no_think` désactive le mode raisonnement.
         # Inoffensif pour les modèles non-Qwen (simple texte ignoré).
         system += "\n/no_think"
-    if knowledge:
-        # Contexte AUTORITAIRE : extraits de la doc Funk (RAG funk-docs). Le modèle doit
-        # répondre à partir de ça pour les questions sur le homelab (sinon il hallucine).
-        extraits = "\n\n".join(knowledge)
-        system += (
-            "\n\n=== Documentation Funk (réponds À PARTIR de ces extraits ; "
-            "si l'info n'y est pas, dis-le) ===\n" + extraits
-        )
-    if memories:
-        souvenirs = "\n".join(f"- {m}" for m in memories)
-        system += (
-            "\n\nÉléments de mémoire long-terme (peuvent aider, ignore si hors-sujet) :\n"
-            + souvenirs
-        )
     messages = [{"role": "system", "content": system}]
     if history:
         messages += history