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

stt/server/stt_server/config.py

@@ -36,9 +36,9 @@ class Settings:
     memory_longterm: bool = os.getenv("STT_MEMORY_LONGTERM", "true").lower() == "true"
     qdrant_url: str = os.getenv("STT_QDRANT_URL", "http://192.168.10.1:6333")
     qdrant_collection: str = os.getenv("STT_QDRANT_COLLECTION", "stt-memory")
-    # Embeddings : Qwen3 sur llama-server gpu-01 (comme le RAG). dim 4096.
-    embed_url: str = os.getenv("STT_EMBED_URL", "http://192.168.10.20:1234/v1/embeddings")
-    embed_model: str = os.getenv("STT_EMBED_MODEL", "qwen3-8b")
+    # Embeddings : instance dédiée nomic-embed-text sur llama-server gpu-01 (:1238, dim 768).
+    embed_url: str = os.getenv("STT_EMBED_URL", "http://192.168.10.20:1238/v1/embeddings")
+    embed_model: str = os.getenv("STT_EMBED_MODEL", "nomic-embed-text")
     memory_top_k: int = int(os.getenv("STT_MEMORY_TOPK", "3"))