feat(rag): embedder dédié nomic-embed-text (768) au lieu de qwen3-8b (#25)

funk-docs utilisait le modèle de CHAT qwen3-8b (:1234, 4096 dim) comme
embedder → similarités quasi indiscernables (tous les scores ~0.96, ranking
médiocre). Bascule sur l'instance dédiée nomic-embed-text (:1238, 768 dim) —
la même que la mémoire STT — déjà identifiée comme roadmap dans le README.

rag-ingest ET rag-query alignés (même modèle/dim). Seuil rag-query abaissé
0.60→0.40 (nomic étale les scores plus bas). Collection recréée en 768.

Mesure : scores désormais étalés 0.61-0.74, et les bons docs ressortent en
tête (dnsmasq→dnsmasq.md, nftables→phase gateway, wedge→llama_server.md).

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

ansible/roles/rag/README.md

@@ -15,10 +15,14 @@ Déploie la chaîne RAG sur storage-01 : scripts d'ingestion/requête + copie de
 |---|---|
 | `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` (llama-server GPU) |
+| `embed_url` | `http://192.168.10.20:1238/v1/embeddings` (instance **llama-embed** dédiée) |
-| `embed_model` | `qwen3-8b` |
+| `embed_model` / dim | `nomic-embed-text` / 768 |
 | `rag_collection` | `funk-docs` |
 
+> Ces valeurs sont les défauts codés dans `rag-ingest`/`rag-query` (surchargeables par env :
+> `EMBED_URL`, `EMBED_MODEL`, `RAG_VECTOR_DIM`, `RAG_MIN_SCORE`, `RAG_EXCLUDE`). **`rag-ingest`
+> et `rag-query` doivent utiliser le même modèle/dim**, sinon la recherche renvoie n'importe quoi.
+
 ## Workflow après modification de `admin/`
 
 ```bash
@@ -30,6 +34,6 @@ ssh storage-01 /usr/local/bin/rag-ingest                                # ré-in
 
 ## Caveats
 
-- **Dépendances fortes** : Qdrant up (`:6333`) et llama-server GPU up (`:1234`) — sinon connection refused
+- **Dépendances fortes** : Qdrant up (`:6333`) et l'instance **llama-embed** up (`:1238`, `nomic-embed-text`) — sinon connection refused
-- `rag-ingest` parcourt **tout** `/srv/data/rag/docs` y compris `hermes/builtin/` (rapports du bot) — pollution potentielle des résultats, exclusion à prévoir
+- `rag-ingest` **exclut** `hermes/builtin/` (rapports auto-générés par hermes-auto-improve) via `RAG_EXCLUDE` — ils noyaient sinon la vraie doc (~84% des points)
-- Les embeddings viennent du modèle de génération (Qwen3-8B) — un modèle d'embedding dédié (nomic-embed, bge-m3) est dans la roadmap
+- **Changement de modèle d'embedding** = changement de dimension → il faut **supprimer puis recréer** la collection (`curl -X DELETE …/collections/funk-docs` avant `rag-ingest`), sinon Qdrant refuse un vecteur de dim différente

ansible/roles/rag/files/rag-ingest

@@ -13,10 +13,13 @@ import urllib.request
 import urllib.error
 
 QDRANT_URL  = os.environ.get("QDRANT_URL",  "http://127.0.0.1:6333")
-EMBED_URL   = os.environ.get("EMBED_URL",   "http://192.168.10.20:1234/v1/embeddings")
+# Embedder DÉDIÉ nomic-embed-text (gpu-01 :1238, dim 768) — pas le modèle de chat :1234.
-EMBED_MODEL = os.environ.get("EMBED_MODEL", "qwen3-8b")
+# nomic est un vrai modèle d'embedding → similarités bien plus discriminantes que qwen3-8b.
+# Doit rester aligné avec rag-query (même modèle/dim) et l'instance llama-embed (rôle llama_server).
+EMBED_URL   = os.environ.get("EMBED_URL",   "http://192.168.10.20:1238/v1/embeddings")
+EMBED_MODEL = os.environ.get("EMBED_MODEL", "nomic-embed-text")
 COLLECTION  = os.environ.get("RAG_COLLECTION", "funk-docs")
-VECTOR_DIM  = 4096
+VECTOR_DIM  = int(os.environ.get("RAG_VECTOR_DIM", "768"))
 CHUNK_MAX   = 2000
 
 # Dossiers (relatifs à docs_dir) exclus de l'index : rapports auto-générés par

ansible/roles/rag/files/rag-query

@@ -10,10 +10,13 @@ import os
 import urllib.request
 
 QDRANT_URL  = os.environ.get("QDRANT_URL",  "http://127.0.0.1:6333")
-EMBED_URL   = os.environ.get("EMBED_URL",   "http://192.168.10.20:1234/v1/embeddings")
+# Doit matcher rag-ingest : embedder dédié nomic-embed-text (gpu-01 :1238, dim 768).
-EMBED_MODEL = os.environ.get("EMBED_MODEL", "qwen3-8b")
+EMBED_URL   = os.environ.get("EMBED_URL",   "http://192.168.10.20:1238/v1/embeddings")
+EMBED_MODEL = os.environ.get("EMBED_MODEL", "nomic-embed-text")
 COLLECTION  = os.environ.get("RAG_COLLECTION", "funk-docs")
-MIN_SCORE   = 0.60
+# nomic étale les scores cosinus plus bas que qwen3-8b (qui saturait ~0.96) → seuil
+# plus permissif pour ne pas écarter de bons passages. Surchargeable via RAG_MIN_SCORE.
+MIN_SCORE   = float(os.environ.get("RAG_MIN_SCORE", "0.40"))
 
 
 def _post(url, data):