feat(stt): embeddings dédiés nomic-embed-text sur gpu-01 (:1238) + migration auto

Remplace Qwen3 (chat réutilisé, dim 4096, peu discriminant) par un modèle
d'embedding spécialisé nomic-embed-text (dim 768) pour la mémoire long-terme.

Ansible (rôle llama_server) :
- nouvelle instance optionnelle `llama-embed` (llama_embed_enabled) servant un
  modèle d'embedding dédié sur :1238, GPU ; télécharge le GGUF si absent.
- activée sur gpu-01 (host_vars) : nomic-embed-text-v1.5 f16.

STT-server :
- STT_EMBED_URL → :1238, STT_EMBED_MODEL → nomic-embed-text (deployment + config).
- _ensure_collection détecte le changement de dimension (4096→768) et recrée
  automatiquement la collection stt-memory (anciens vecteurs incomparables) —
  pas de drop manuel.

Docs : llama_server README, rag.md, stt.md (5d ✅), CLAUDE.md.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_013FmcxGsyXZXogiAHQLjnZT

ansible/roles/llama_server/templates/llama-embed.service.j2

@@ -0,0 +1,26 @@
+[Unit]
+Description=llama-server embeddings ({{ llama_embed_model_alias }})
+After=network-online.target
+Wants=network-online.target
+
+[Service]
+Type=simple
+User=root
+Environment=HSA_OVERRIDE_GFX_VERSION={{ hsa_override_gfx_version }}
+Environment=LD_LIBRARY_PATH={{ rocm_path }}/lib
+ExecStart=/opt/llama.cpp/build/bin/llama-server \
+    --model {{ llama_embed_model_path }} \
+    --host {{ llama_server_host }} \
+    --port {{ llama_embed_port }} \
+    --ctx-size {{ llama_embed_ctx_size }} \
+    --n-gpu-layers {{ llama_embed_n_gpu_layers }} \
+    --alias {{ llama_embed_model_alias }} \
+    --embeddings \
+    --pooling {{ llama_embed_pooling }} \
+    --metrics \
+    --log-disable
+Restart=on-failure
+RestartSec=10
+
+[Install]
+WantedBy=multi-user.target