feat(rag): RAG Hermes — Qdrant + rag-ingest/rag-query + skill funk-ai

Indexation de admin/ (284 chunks) dans Qdrant via embeddings Qwen3-8B.
rag-query utilisable en CLI et depuis le profil funk-ai de Hermes.
Note: modèle d'embedding générique — qualité limitée, voir admin/ia/rag.md.

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

admin/ia/rag.md

@@ -0,0 +1,194 @@
+# RAG — Documentation Funk
+
+Le RAG (Retrieval-Augmented Generation) permet à Hermes de répondre en s'appuyant
+sur la documentation du repo (`admin/`) plutôt que sur sa seule mémoire de modèle.
+
+---
+
+## Architecture
+
+```
+Hermes (funk-ai)
+  │  terminal: rag-query "comment relancer dnsmasq ?"
+  ▼
+/usr/local/bin/rag-query  (storage-01)
+  │  1. Embed la question → POST http://192.168.10.20:1234/v1/embeddings
+  │  2. Recherche vectorielle → POST http://127.0.0.1:6333/collections/funk-docs/points/search
+  ▼
+Qdrant  (storage-01:6333)
+  │  Retourne les N chunks les plus proches sémantiquement
+  ▼
+rag-query affiche les extraits + fichier source + score
+  │
+  ▼
+Hermes formule sa réponse en citant les sources
+```
+
+---
+
+## Composants déployés
+
+| Composant | Emplacement | Rôle |
+|---|---|---|
+| Qdrant | storage-01:6333/6334 | Base vectorielle — stocke les embeddings |
+| `rag-ingest` | `/usr/local/bin/rag-ingest` | Indexe les docs dans Qdrant |
+| `rag-query` | `/usr/local/bin/rag-query` | Interroge Qdrant depuis la ligne de commande |
+| Skill `rag-docs` | Profil `funk-ai` Hermes | Enseigne à Hermes comment utiliser `rag-query` |
+| Docs indexées | `/srv/data/rag/docs/` (RAID5) | Copie locale du dossier `admin/` |
+| Collection Qdrant | `funk-docs` | 284 chunks — dimension 4096 (Cosine) |
+
+---
+
+## Modèle d'embedding utilisé
+
+**Qwen3-8B** via llama-server GPU (port 1234), avec les flags `--embeddings --pooling mean`.
+
+C'est le modèle de chat principal, réutilisé pour les embeddings.
+
+### Limitation connue
+
+Qwen3-8B est un modèle génératif, **pas un modèle d'embedding dédié**.
+Ses représentations vectorielles ont peu de discrimination sémantique :
+les scores de similarité cosinus sont uniformément hauts (0.90–0.95)
+quelle que soit la pertinence du résultat.
+
+Conséquence : les résultats retournés ne sont pas triés par pertinence réelle —
+le fichier avec le plus de tokens (ex : `incidents.md`) remonte souvent en premier.
+
+### Quand améliorer
+
+Pour une recherche sémantique précise, utiliser un modèle d'embedding dédié :
+
+| Modèle | Taille | Dimension | Notes |
+|---|---|---|---|
+| `nomic-embed-text-v1.5` | ~274 MB | 768 | Rapide, bon équilibre qualité/taille |
+| `bge-m3` | ~1.2 GB | 1024 | Multilingue (français natif) — meilleur choix pour ce repo |
+
+Déploiement si besoin :
+```bash
+# Sur gpu-01 — télécharger le modèle
+ssh gpu-01 "lms get nomic-ai/nomic-embed-text-v1.5-GGUF"
+
+# Ajouter une instance llama-server sur port 1238 (CPU, embedding only)
+# Modifier ansible/roles/rag/defaults/main.yml :
+#   embed_url: "http://192.168.10.20:1238/v1/embeddings"
+#   embed_model: "nomic-embed-text-v1.5"
+# Puis re-indexer : rag-ingest /srv/data/rag/docs/
+```
+
+---
+
+## Utilisation
+
+### Via Hermes (funk-ai)
+
+Le skill `rag-docs` est chargé dans le profil `funk-ai`. Hermes l'utilise
+automatiquement pour les questions sur le cluster :
+
+```
+# Dans le TUI Hermes :
+"Comment je relance dnsmasq ?"
+→ Hermes appelle rag-query en interne et cite les sources
+```
+
+### En ligne de commande
+
+```bash
+# Depuis storage-01
+rag-query "ma question"
+rag-query "ma question" --top 3   # limiter les résultats (défaut: 5)
+
+# Exemples
+rag-query "comment relancer llama-server gpu"
+rag-query "nftables firewall port cluster"
+rag-query "hermes profils configuration"
+rag-query "alertmanager webhook pipeline"
+rag-query "monitoring grafana dashboard"
+```
+
+---
+
+## Mise à jour de l'index
+
+L'index doit être re-généré après chaque modification de la doc `admin/`.
+
+### Via Ansible (recommandé)
+
+```bash
+cd ansible/
+../.venv/bin/ansible-playbook -i inventory.yml playbooks/storage-01.yml --tags rag
+```
+
+Ansible synchronise `admin/` vers `/srv/data/rag/docs/` puis relance automatiquement
+`rag-ingest` (handler Ansible).
+
+### Manuellement
+
+```bash
+# Synchroniser les docs (depuis le poste perso)
+rsync -av --delete admin/ storage-01:/srv/data/rag/docs/
+
+# Ré-indexer (depuis storage-01)
+ssh storage-01 "rag-ingest /srv/data/rag/docs/"
+```
+
+L'ingestion prend ~5-10 minutes pour 284 chunks (embeddings via GPU).
+Elle est idempotente — re-lancer ne crée pas de doublons (IDs stables basés sur MD5 du fichier+section).
+
+---
+
+## Administration Qdrant
+
+```bash
+# Collections existantes
+curl -s http://storage-01:6333/collections | python3 -m json.tool
+
+# Stats de la collection funk-docs
+curl -s http://storage-01:6333/collections/funk-docs | python3 -m json.tool
+
+# Nombre de points indexés
+curl -s http://storage-01:6333/collections/funk-docs \
+  | python3 -c "import sys,json; print(json.load(sys.stdin)['result']['points_count'])"
+
+# Vider et re-créer la collection (si re-indexation propre nécessaire)
+curl -s -X DELETE http://storage-01:6333/collections/funk-docs
+rag-ingest /srv/data/rag/docs/
+
+# Statut du service
+ssh storage-01 "systemctl status qdrant --no-pager"
+```
+
+---
+
+## Structure des fichiers
+
+```
+ansible/roles/rag/
+├── defaults/main.yml          # URLs Qdrant/embed, collection, répertoires
+├── tasks/main.yml             # Déploiement scripts + docs + skill Hermes
+├── handlers/main.yml          # Handler : Run rag-ingest + Restart hermes-agent
+└── files/
+    ├── rag-ingest             # Script Python d'ingestion
+    ├── rag-query              # Script Python de requête
+    └── rag-docs/SKILL.md      # Skill Hermes
+
+hermes-skills/funk/rag-docs/
+└── SKILL.md                   # Source versionnée du skill (copié dans files/)
+
+/srv/data/rag/           (RAID5 storage-01)
+├── docs/                      # Copie de admin/ — source des chunks
+└── (Qdrant stocke dans /srv/data/qdrant/)
+```
+
+---
+
+## Points d'attention
+
+| Sujet | Détail |
+|---|---|
+| Qualité embeddings | Qwen3-8B = modèle chat réutilisé — scores peu discriminants. Fonctionnel mais pas optimal. |
+| Modèle dédié | `nomic-embed-text` ou `bge-m3` diviseraient les faux positifs par ~3 |
+| Contention GPU | `rag-ingest` sollicite le GPU (port 1234) pendant ~5-10 min — éviter pendant une session d'inférence active |
+| Re-indexation | Obligatoire après modification de `admin/` — pas de sync automatique |
+| Qdrant persistance | Données dans `/srv/data/qdrant/` sur RAID5 — survivent aux redémarrages |
+| Score minimum | `MIN_SCORE = 0.60` dans `rag-query` — tous les résultats sont au-dessus avec ce modèle |