feat(stt): embeddings dédiés nomic-embed-text sur gpu-01 (:1238) + migration auto (#12)

* feat(stt): mémoire long-terme sémantique via Qdrant (5b)

Serveur : longterm.py — collection Qdrant stt-memory (embeddings Qwen3 gpu-01, dim auto,
Cosine), recall top-k injecté au prompt, remember des tours user. Tout dégrade proprement
si Qdrant/embeddings injoignables (la mémoire court-terme tient). Env STT_MEMORY_LONGTERM,
STT_QDRANT_URL, STT_EMBED_URL, STT_MEMORY_TOPK.

Testé en process : dégradation OK (Qdrant down → mem=0, pas de crash, court-terme tient).
Qdrant réparé le 17/06 (5c). Recherche sémantique réelle à valider sur cluster.

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

* feat(stt): endpoint /v1/memory/health + upsert Qdrant synchrone

- /v1/memory/health sonde activement embeddings + Qdrant + collection et
  expose les erreurs (recall/remember dégradent en silence → indébogables).
  Permet de diagnostiquer la mémoire long-terme sans kubectl exec.
- remember() : upsert avec ?wait=true → le souvenir est immédiatement
  cherchable (sans wait, Qdrant met l'écriture en file → un recall
  cross-session immédiat pouvait le rater).

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

* docs(stt): 5b mémoire long-terme validée en prod + backlog nomic-embed-text

- Rappel cross-session confirmé (« Felix » retrouvé dans une nouvelle session),
  points_count vérifié via /v1/memory/health.
- Note du fix upsert ?wait=true et de l'endpoint de diagnostic.
- Roadmap : 5d (nomic-embed-text dim 768) en backlog qualité ; états haut/bas
  du doc mis à jour (déployé + validé sur cible).

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

* 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

---------

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

ansible/roles/llama_server/tasks/main.yml

@@ -77,3 +77,49 @@
     enabled: false
     state: stopped
   ignore_errors: true
+
+# --- Instance dédiée embeddings (nomic-embed-text) — optionnelle ---------------
+
+- name: Ensure embedding model directory exists
+  ansible.builtin.file:
+    path: "{{ llama_embed_model_path | dirname }}"
+    state: directory
+    mode: '0755'
+  when: llama_embed_enabled and llama_embed_model_path | length > 0
+
+- name: Download embedding model (GGUF) if absent
+  ansible.builtin.get_url:
+    url: "{{ llama_embed_model_url }}"
+    dest: "{{ llama_embed_model_path }}"
+    mode: '0644'
+    timeout: 120
+  when:
+    - llama_embed_enabled
+    - llama_embed_model_url | length > 0
+    - llama_embed_model_path | length > 0
+
+- name: Deploy embedding llama-server service
+  ansible.builtin.template:
+    src: llama-embed.service.j2
+    dest: /etc/systemd/system/llama-embed.service
+    mode: '0644'
+  notify:
+    - Reload systemd
+    - Restart llama-embed
+  when: llama_embed_enabled
+
+- name: Enable embedding llama-server service
+  ansible.builtin.systemd:
+    name: llama-embed
+    enabled: true
+    daemon_reload: true
+    state: started
+  when: llama_embed_enabled
+
+- name: Open embedding port in firewall
+  ansible.posix.firewalld:
+    port: "{{ llama_embed_port }}/tcp"
+    permanent: true
+    state: enabled
+    immediate: true
+  when: llama_embed_enabled