fix(rag): ubatch=2048 pour llama-embed + retry rag-ingest + nettoie defaults rag

L'instance llama-embed (:1238) tournait avec l'ubatch llama.cpp par défaut (512).
En mode --embeddings + pooling, toute l'entrée doit tenir dans un seul ubatch →
tout chunk > 512 tokens échouait en HTTP 500 « input too large to process.
increase the physical batch size ». ~46 chunks du RAG (CHUNK_MAX=2000 chars ≈
700 tokens) n'étaient pas indexés.

- llama_server : ajoute llama_embed_ubatch_size (2048 = ctx) + flags
  --batch-size/--ubatch-size dans le template llama-embed.service.
- rag-ingest : retry (5×, backoff) sur erreurs transitoires 5xx/réseau de l'embed.
- rag/defaults : aligne embed_url/embed_model sur nomic :1238 (étaient des vars
  mortes pointant encore qwen3-8b :1234 — trompeuses).

Résultat : ré-ingestion 436/436 chunks, 0 erreur.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

ansible/roles/rag/defaults/main.yml

@@ -3,6 +3,10 @@ rag_data_dir: /srv/data/rag
 rag_docs_dir: /srv/data/rag/docs
 
 qdrant_url: "http://127.0.0.1:6333"
-embed_url: "http://192.168.10.20:1234/v1/embeddings"
-embed_model: "qwen3-8b"
+# Embeddings : instance dédiée nomic-embed-text (gpu-01 :1238, dim 768), pas le modèle de chat.
+# NB : ces deux vars ne sont PAS injectées dans les scripts (le handler lance rag-ingest sans env) —
+# les scripts files/rag-ingest et files/rag-query hardcodent ces mêmes valeurs par défaut.
+# Conservées ici pour documenter la cible et éviter toute régression vers qwen3-8b/:1234.
+embed_url: "http://192.168.10.20:1238/v1/embeddings"
+embed_model: "nomic-embed-text"
 rag_collection: "funk-docs"