fix(embeddings): не терять батч на таймауте Ollama, уменьшить пачку

Ollama обрабатывает тексты в пачке последовательно (один "slot" в
llama.cpp, не параллельно) — 64 реальных документа в одном HTTP-запросе
регулярно не укладывались в 120с, весь батч падал с ReadTimeout и
терялся без ретрая (embed_documents была без bind/max_retries).
Теперь: пачка 16, таймаут 300с, задача ретраится до 3 раз при сбое.

services/worker-gpu/app/config.py

@@ -58,7 +58,10 @@ class Settings(BaseSettings):
     EMBED_BACKEND: str = "ollama"
     EMBED_MODEL: str = "bge-m3"
     EMBED_DEVICE: str = "cuda"  # используется только при EMBED_BACKEND=sentence_transformers
-    EMBED_BATCH_SIZE: int = 64
+    # Ollama обрабатывает тексты в пачке последовательно (один "slot" в llama.cpp,
+    # не параллельно) — 64 реальных документа в один HTTP-запрос регулярно не
+    # укладывались в таймаут. Меньше пачка — короче и надёжнее каждый запрос.
+    EMBED_BATCH_SIZE: int = 16
     EMBED_DIM: int = 1024  # bge-m3; было 768 у paraphrase-multilingual-mpnet-base-v2
     # DeepInfra — OpenAI-совместимый инференс BAAI/bge-m3 в облаке, та же модель,
     # что и на VM109, дешёвый пей-пер-токен. Используется при EMBED_BACKEND=cloud.