feat(stt-server): contextes présélectionnables + sources live + contexte assemblé (visualiseur)

Asa n'est plus bloqué sur le seul contexte « doc cluster grounding-strict ». Le client
choisit un contexte par requête ; le serveur change le system prompt ET injecte les
données live du domaine, puis renvoie le contexte assemblé pour le visualiseur du HUD.

- contexts.py : profils funk / ghostfolio / grafana / alerting / cluster (system prompt
  + sources) + assemble() (prompt final + structure de visualisation).
- sources.py : fetchers live best-effort (Ghostfolio auth+details, Alertmanager alerts
  hors Watchdog, Prometheus cluster/metrics), env-config, dégradation propre.
- brain.py : ask() reçoit le system prompt déjà assemblé (assemblage remonté).
- app.py : /v1/ask accepte `context`, renvoie context_id + le contexte assemblé ;
  nouveau GET /v1/contexts ; RAG doc conditionné au profil.
- config.py : URLs sources + STT_GHOSTFOLIO_TOKEN + STT_DEFAULT_CONTEXT.
- deployment : env in-cluster (Prometheus/Alertmanager monitoring, Ghostfolio ai),
  jeton via secret optionnel stt-server-secrets/ghostfolio-token.
- bump 0.3.1 → 0.4.0.

Validé en local : assemblage (blocs+RAG+mémoire), parsing des sources (mock),
endpoints /v1/contexts et /v1/ask (LLM mocké) — context_id, visualiseur, fallback
contexte inconnu → funk.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

stt/server/stt_server/app.py

@@ -19,9 +19,11 @@ from stt_server import __version__
 from stt_server import brain
 from stt_server.brain import ask as brain_ask
 from stt_server.config import settings
+from stt_server.contexts import CONTEXTS, assemble, get_context
 from stt_server.knowledge import Knowledge
 from stt_server.longterm import LongTermMemory
 from stt_server.memory import SessionStore
+from stt_server.sources import fetch_blocks
 
 log = logging.getLogger("stt_server")
 # uvicorn ne configure que ses propres loggers : on attache notre handler en INFO
@@ -54,13 +56,16 @@ app = FastAPI(title="STT-server", version=__version__, lifespan=lifespan)
 
 class AskRequest(BaseModel):
     text: str
-    model: str | None = None      # alias LiteLLM ; défaut serveur si absent
+    model: str | None = None       # alias LiteLLM ; défaut serveur si absent
     session_id: str | None = None  # mémoire court-terme : fil de conversation
+    context: str | None = None     # contexte présélectionné (funk/ghostfolio/…)
 
 
 class AskReply(BaseModel):
     reply: str
     model: str
+    context_id: str                # contexte effectivement utilisé
+    context: dict | None = None    # contexte assemblé (visualiseur HUD)
 
 
 @app.get("/healthz")
@@ -73,6 +78,18 @@ async def v1_models() -> dict:
     return {"default": settings.model, "available": settings.allowed_models}
 
 
+@app.get("/v1/contexts")
+async def v1_contexts() -> dict:
+    """Contextes présélectionnables (pour le sélecteur du HUD)."""
+    return {
+        "default": settings.default_context,
+        "contexts": [
+            {"id": c.id, "label": c.label, "icon": c.icon, "description": c.description}
+            for c in CONTEXTS.values()
+        ],
+    }
+
+
 @app.get("/v1/memory/health")
 async def v1_memory_health() -> dict:
     """État de la mémoire long-terme (embeddings + Qdrant + collection), erreurs exposées."""
@@ -99,15 +116,25 @@ async def v1_ask(req: AskRequest, background: BackgroundTasks) -> AskReply:
             status_code=400,
             detail=f"modèle '{model}' non autorisé ; dispo : {settings.allowed_models}",
         )
+    ctx = get_context(req.context)
     t0 = time.perf_counter()
     history = sessions.history(req.session_id) if req.session_id else None
     # recall : timeout serré, dégrade vite ; renvoie aussi le vecteur (réutilisé ci-dessous)
     memories, qvec = await longterm.recall(text) if longterm else ([], None)
-    # RAG doc : on réutilise qvec (même embedder nomic) → ancre la réponse dans funk-docs
-    docs = await knowledge.search(text, qvec) if knowledge else []
+    # RAG doc : seulement si le contexte le demande (réutilise qvec, même embedder nomic)
+    docs = []
+    if "docs" in ctx.sources and knowledge:
+        docs = await knowledge.search(text, qvec)
+    # Sources live du contexte (Ghostfolio / Prometheus / Alertmanager) — best-effort
+    blocks: list = []
+    live = tuple(s for s in ctx.sources if s != "docs")
+    if live:
+        async with httpx.AsyncClient() as c:
+            blocks = await fetch_blocks(c, live)
     t_recall = time.perf_counter()
+    system, ctx_debug = assemble(ctx, blocks=blocks, docs=docs, memories=memories)
     try:
-        reply = await brain_ask(text, model, history, memories, docs)
+        reply = await brain_ask(text, system, model, history)
     except httpx.HTTPError as e:
         raise HTTPException(status_code=502, detail=f"upstream LiteLLM : {e}") from e
     t_gen = time.perf_counter()
@@ -118,15 +145,14 @@ async def v1_ask(req: AskRequest, background: BackgroundTasks) -> AskReply:
     if longterm:
         background.add_task(longterm.store, req.session_id or "anon", text, qvec)
     log.info(
-        "ask model=%s recall=%.0fms gen=%.0fms total=%.0fms mem=%d docs=%d",
-        model,
+        "ask ctx=%s model=%s recall+src=%.0fms gen=%.0fms total=%.0fms mem=%d docs=%d blocks=%d",
+        ctx.id, model,
         (t_recall - t0) * 1000,
         (t_gen - t_recall) * 1000,
         (t_gen - t0) * 1000,
-        len(memories),
-        len(docs),
+        len(memories), len(docs), len(blocks),
     )
-    return AskReply(reply=reply, model=model)
+    return AskReply(reply=reply, model=model, context_id=ctx.id, context=ctx_debug)
 
 
 def run() -> None: