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/model_manager.py

@@ -3,6 +3,7 @@
 Бэкенд переключается через EMBED_BACKEND:
 - "ollama" — HTTP-вызов к Ollama /api/embed (GGUF-модель через Vulkan, работает на AMD GPU)
 - "sentence_transformers" — локальная загрузка через sentence-transformers (CUDA/CPU)
+- "cloud" — облачный инференс той же модели (DeepInfra, OpenAI-совместимый формат)
 
 Модель (в случае sentence_transformers) загружается один раз при первом обращении
 и кэшируется в памяти GPU.
@@ -67,6 +68,8 @@ class ModelManager:
 
         if settings.EMBED_BACKEND == "ollama":
             return cls._encode_ollama(texts)
+        if settings.EMBED_BACKEND == "cloud":
+            return cls._encode_cloud(texts)
 
         model = cls.get_model()
         vectors = model.encode(
@@ -98,6 +101,30 @@ class ModelManager:
         norms[norms == 0] = 1.0
         return vectors / norms  # Нормализация для cosine через inner product
 
+    @classmethod
+    def _encode_cloud(cls, texts: list[str]) -> np.ndarray:
+        """Закодировать тексты через облачный инференс (DeepInfra, OpenAI-формат)."""
+        all_vectors: list[list[float]] = []
+        batch_size = settings.EMBED_BATCH_SIZE
+        for i in range(0, len(texts), batch_size):
+            batch = texts[i : i + batch_size]
+            response = httpx.post(
+                settings.CLOUD_EMBED_URL,
+                json={"model": settings.CLOUD_EMBED_MODEL, "input": batch},
+                headers={"Authorization": f"Bearer {settings.CLOUD_EMBED_API_KEY}"},
+                timeout=120.0,
+            )
+            response.raise_for_status()
+            data = response.json()["data"]
+            # OpenAI-формат может вернуть элементы не по порядку — сортируем по index
+            data.sort(key=lambda d: d["index"])
+            all_vectors.extend(d["embedding"] for d in data)
+
+        vectors = np.array(all_vectors, dtype=np.float32)
+        norms = np.linalg.norm(vectors, axis=1, keepdims=True)
+        norms[norms == 0] = 1.0
+        return vectors / norms  # Нормализация для cosine через inner product
+
     @classmethod
     def encode_single(cls, text: str) -> np.ndarray:
         """Закодировать один текст. Удобный метод."""