fix(stt): désactiver le mode thinking de Qwen3 (/no_think) — content vide / 502

Qwen3 est un modèle « thinking » : il dépensait tout le budget max_tokens en
reasoning_content → content vide, ou partait en raisonnement long → timeout (502
"upstream LiteLLM : " avec message vide). Diagnostic : appel direct LiteLLM en
0.87s mais content="" et tout dans reasoning_content.

- brain.py : ajoute le token de contrôle `/no_think` au system prompt
  (configurable STT_DISABLE_THINKING, défaut true ; inoffensif pour non-Qwen).
- brain.py : filet de sécurité — si content vide, récupère reasoning_content
  au lieu de renvoyer "".

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

stt/server/stt_server/brain.py

@@ -19,6 +19,12 @@ async def ask(
     memories: list[str] | None = None,
 ) -> str:
     system = settings.system_prompt
+    if settings.disable_thinking:
+        # Qwen3 est un modèle « thinking » : sans ça il dépense tout le budget max_tokens
+        # en raisonnement (`reasoning_content`) → `content` vide, ou part en réflexion longue
+        # → timeout (502). Le token de contrôle `/no_think` désactive le mode raisonnement.
+        # Inoffensif pour les modèles non-Qwen (simple texte ignoré).
+        system += "\n/no_think"
     if memories:
         souvenirs = "\n".join(f"- {m}" for m in memories)
         system += (
@@ -39,4 +45,10 @@ async def ask(
     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()
-        return r.json()["choices"][0]["message"]["content"].strip()
+        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

stt/server/stt_server/config.py

@@ -31,6 +31,9 @@ class Settings:
     max_tokens: int = int(os.getenv("STT_MAX_TOKENS", "200"))
     temperature: float = float(os.getenv("STT_TEMPERATURE", "0.7"))
     request_timeout: float = float(os.getenv("STT_REQUEST_TIMEOUT", "60"))
+    # Qwen3 est un modèle « thinking » → ajoute `/no_think` pour désactiver le raisonnement
+    # (sinon content vide / timeout). Inoffensif pour les modèles non-Qwen.
+    disable_thinking: bool = os.getenv("STT_DISABLE_THINKING", "true").lower() == "true"
 
     # Mémoire long-terme (Qdrant) — dégrade proprement si Qdrant/embeddings injoignables
     memory_longterm: bool = os.getenv("STT_MEMORY_LONGTERM", "true").lower() == "true"