feat: initial microservices project structure

Services:
- api: FastAPI gateway with JWT auth, async endpoints, WebSocket
- worker-gpu: CUDA sentence-transformers, FAISS IVFFlat, Ollama LLM
- worker-indexer: Winnowing+MinHash plagiarism detection, PDF/DOCX extraction
- worker-notifier: SMTP email notifications
- worker-gost: GOST 7.1-2003 and GOST R 7.0.5-2008 formatting

Infrastructure:
- docker-compose.yml (production) + docker-compose.dev.yml (hot reload)
- Nginx reverse proxy + WebSocket support
- PostgreSQL 16 with Alembic migrations
- Elasticsearch 8 with Russian/English analyzers
- MinIO, RabbitMQ, Redis, Ollama

Frontend:
- React 18 + Vite + TypeScript + TailwindCSS + Zustand + React Query v5
- 9 pages: Home, Search, Cabinet, Task, Check, Bibliography, Pricing, Login, Register

Scripts:
- Parser stubs: OpenAlex, КиберЛенинка, arXiv (Phase 0 - to be filled)

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

services/worker-gpu/app/model_manager.py

@@ -0,0 +1,81 @@
+"""Singleton менеджер sentence-transformers модели.
+
+Модель загружается один раз при первом обращении и кэшируется в памяти GPU.
+"""
+
+import logging
+
+import numpy as np
+
+from app.config import settings
+
+logger = logging.getLogger(__name__)
+
+
+class ModelManager:
+    """Singleton для управления эмбеддинг-моделью."""
+
+    _instance = None
+    _model = None
+    _device: str = settings.EMBED_DEVICE
+
+    @classmethod
+    def get_model(cls):
+        """Получить или загрузить модель sentence-transformers."""
+        if cls._model is None:
+            # Импорт здесь, чтобы не блокировать импорт модуля если torch не установлен
+            from sentence_transformers import SentenceTransformer
+
+            logger.info(
+                f"Загрузка модели {settings.EMBED_MODEL!r} на устройство {settings.EMBED_DEVICE!r}..."
+            )
+            try:
+                cls._model = SentenceTransformer(
+                    settings.EMBED_MODEL,
+                    device=settings.EMBED_DEVICE,
+                )
+                logger.info(
+                    f"Модель загружена. Размерность вектора: {cls._model.get_sentence_embedding_dimension()}"
+                )
+            except Exception as e:
+                # Graceful degradation на CPU если CUDA недоступна
+                logger.warning(f"Не удалось загрузить модель на CUDA: {e}. Переключение на CPU.")
+                cls._device = "cpu"
+                cls._model = SentenceTransformer(settings.EMBED_MODEL, device="cpu")
+
+        return cls._model
+
+    @classmethod
+    def encode(cls, texts: list[str]) -> np.ndarray:
+        """
+        Закодировать тексты в векторы.
+
+        Args:
+            texts: Список текстов для кодирования
+
+        Returns:
+            numpy массив формы (len(texts), 768), нормализованный для cosine similarity
+        """
+        if not texts:
+            return np.array([]).reshape(0, settings.EMBED_DIM)
+
+        model = cls.get_model()
+        vectors = model.encode(
+            texts,
+            batch_size=settings.EMBED_BATCH_SIZE,
+            normalize_embeddings=True,  # Нормализация для cosine через inner product
+            show_progress_bar=len(texts) > 100,
+            convert_to_numpy=True,
+        )
+        return vectors.astype(np.float32)
+
+    @classmethod
+    def encode_single(cls, text: str) -> np.ndarray:
+        """Закодировать один текст. Удобный метод."""
+        return cls.encode([text])[0]
+
+    @classmethod
+    def unload(cls) -> None:
+        """Выгрузить модель из памяти (для тестов/диагностики)."""
+        cls._model = None
+        logger.info("Модель выгружена из памяти")