feat(embeddings): добавить облачный бэкенд (DeepInfra, та же bge-m3)

EMBED_BACKEND=cloud — эмбеддинги через DeepInfra (OpenAI-совместимый API),
модель та же BAAI/bge-m3, что уже льётся на VM109 — переключение не рвёт
совместимость с уже пересчитанным FAISS-индексом (тот же вектор 1024).
Не активно по умолчанию (EMBED_BACKEND всё ещё "ollama").

services/worker-gpu/app/config.py

@@ -49,13 +49,19 @@ class Settings(BaseSettings):
     # FAISS / ML
     FAISS_INDEX_PATH: str = "/data/index/faiss.index"
     FAISS_ID_MAP_PATH: str = "/data/index/faiss_id_map.json"
-    # EMBED_BACKEND: "ollama" (GGUF-модель через Vulkan, для AMD GPU без ROCm/atomics)
-    # или "sentence_transformers" (локальная загрузка, CUDA/CPU)
+    # EMBED_BACKEND: "ollama" (GGUF-модель через Vulkan, для AMD GPU без ROCm/atomics),
+    # "sentence_transformers" (локальная загрузка, CUDA/CPU) или "cloud" (облачный
+    # инференс той же модели — не нужен вообще никакой локальный GPU).
     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
     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.
+    CLOUD_EMBED_URL: str = "https://api.deepinfra.com/v1/openai/embeddings"
+    CLOUD_EMBED_MODEL: str = "BAAI/bge-m3"
+    CLOUD_EMBED_API_KEY: str = ""
     FAISS_NLIST: int = 1024  # Количество кластеров для IVFFlat
     FAISS_NPROBE: int = 64  # Количество кластеров для поиска