perf(stt-server): mémoire long-terme hors chemin de réponse + résilience embed (#20)

Cause de la latence 30-45s : l'endpoint d'embeddings (gpu-01:1238) peut se
geler ; recall ET remember l'attendaient ~20s chacun (timeout → dégradation
silencieuse), s'ajoutant à la réponse. Refactor :

- store (ex-remember) en BackgroundTasks → APRÈS la réponse, hors latence perçue ;
  suppression de `?wait=true` (pas d'attente du flush Qdrant)
- recall renvoie aussi le vecteur de la requête → store le réutilise (1 embed/tour
  au lieu de 2, le 2ᵉ portait sur le même texte)
- timeout recall serré (4s, STT_MEMORY_RECALL_TIMEOUT) : un embed lent/mort dégrade
  vite (souvenirs vides) au lieu de bloquer ; store tolère 20s en arrière-plan
- clients httpx persistants (pooling/keep-alive) côté brain + longterm, fermés via
  lifespan (plus de handshake TCP par appel)
- log de timing par requête (recall/gen/total/mem) pour diagnostiquer
- bump serveur 0.1.0 → 0.2.0

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

stt/server/stt_server/brain.py

@@ -11,6 +11,23 @@ import httpx
 
 from stt_server.config import settings
 
+# Client persistant (pooling + keep-alive) : évite un handshake TCP vers LiteLLM à chaque tour.
+_client: httpx.AsyncClient | None = None
+
+
+def _get_client() -> httpx.AsyncClient:
+    global _client
+    if _client is None or _client.is_closed:
+        _client = httpx.AsyncClient(timeout=settings.request_timeout)
+    return _client
+
+
+async def aclose() -> None:
+    global _client
+    if _client is not None and not _client.is_closed:
+        await _client.aclose()
+    _client = None
+
 
 async def ask(
     text: str,
@@ -42,13 +59,12 @@ async def ask(
         "temperature": settings.temperature,
     }
     headers = {"Authorization": f"Bearer {settings.litellm_key}"}
-    async with httpx.AsyncClient(timeout=settings.request_timeout) as client:
-        r = await client.post(settings.litellm_url, json=payload, headers=headers)
-        r.raise_for_status()
-        msg = r.json()["choices"][0]["message"]
-        # Filet de sécurité : si un modèle « thinking » renvoie un content vide (tout parti
-        # en reasoning_content), on récupère le raisonnement plutôt que de renvoyer "".
-        content = (msg.get("content") or "").strip()
-        if not content:
-            content = (msg.get("reasoning_content") or "").strip()
-        return content
+    r = await _get_client().post(settings.litellm_url, json=payload, headers=headers)
+    r.raise_for_status()
+    msg = r.json()["choices"][0]["message"]
+    # Filet de sécurité : si un modèle « thinking » renvoie un content vide (tout parti
+    # en reasoning_content), on récupère le raisonnement plutôt que de renvoyer "".
+    content = (msg.get("content") or "").strip()
+    if not content:
+        content = (msg.get("reasoning_content") or "").strip()
+    return content