feat: LLM routing by tier (free→Ollama, pro→Timeweb)

- Add tier-based provider routing in llm-svc
  - free tier → Ollama (local qwen3.5:9b)
  - pro/business → Timeweb Cloud AI
- Add /api/v1/embed endpoint for embeddings via Ollama
- Update Ollama client: qwen3.5:9b default, remove auth
- Add GenerateEmbedding() function for qwen3-embedding:0.6b
- Add Ollama K8s deployment with GPU support (RTX 4060 Ti)
- Add monitoring stack (Prometheus, Grafana, Alertmanager)
- Add Grafana dashboards for LLM and security metrics
- Update deploy.sh with monitoring and Ollama deployment

Made-with: Cursor

CONTINUE.md

@@ -1,26 +1,99 @@
-# Недоделки — начать отсюда
+# LLM Routing по тарифам ✅
 
-## Всё готово! ✅
+## Архитектура
 
-### Сделано — 2 марта 2026
+```
+┌─────────────────────────────────────────────────────────┐
+│                    llm-svc                              │
+│                                                         │
+│  POST /api/v1/generate                                  │
+│       │                                                 │
+│       ▼                                                 │
+│  ┌─────────────────┐                                    │
+│  │ resolveProvider │                                    │
+│  │    (tier)       │                                    │
+│  └────────┬────────┘                                    │
+│           │                                             │
+│     ┌─────┴─────┐                                       │
+│     ▼           ▼                                       │
+│  ┌──────┐   ┌────────┐                                  │
+│  │ FREE │   │  PRO   │                                  │
+│  └──┬───┘   └───┬────┘                                  │
+│     │           │                                       │
+│     ▼           ▼                                       │
+│  Ollama      Timeweb                                    │
+│  (local)     (cloud)                                    │
+└─────────────────────────────────────────────────────────┘
+```
 
-**Security Hardening (Gitea):**
-- [x] Gitea обновлён: 1.22.6 → 1.25.4 (CVE исправлены)
-- [x] Регистрация отключена, Swagger отключён
-- [x] Security headers настроены (CSP, X-Content-Type-Options, etc.)
+## Роутинг по тарифам
 
-**CI/CD и инфраструктура:**
-- [x] K3s registry настроен для HTTP (k3s-registries.yaml)
-- [x] file-svc PVC исправлен (ReadWriteOnce)
-- [x] Все сервисы работают
+| Тариф | Провайдер | Модель | Лимиты |
+|-------|-----------|--------|--------|
+| **free** | Ollama (local) | qwen3.5:9b | 50 req/day, 2000 tokens/req |
+| **pro** | Timeweb | gpt-4o, claude, etc | 500 req/day, 8000 tokens/req |
+| **business** | Timeweb | all models | 5000 req/day, 32000 tokens/req |
 
-**Коммиты:**
-- e64567a - fix: file-svc PVC, k3s registries
-- c9e5ff6 - docs: CONTINUE.md updated
-- d2ef146 - security: Gitea upgrade
+## API Endpoints
 
-### Контекст
-- Сервер: 5.187.77.89
-- https://gooseek.ru — работает ✅
-- https://git.gooseek.ru — Gitea 1.25.4 ✅
-- K3s + Nginx Ingress + Cert-Manager работают
+### POST /api/v1/generate
+```json
+{
+  "providerId": "auto",  // или "ollama", "timeweb", etc
+  "key": "qwen3.5:9b",   // модель
+  "messages": [{"role": "user", "content": "..."}],
+  "options": {
+    "maxTokens": 1000,
+    "temperature": 0.7,
+    "stream": true
+  }
+}
+```
+
+### POST /api/v1/embed
+```json
+{
+  "input": "Текст для эмбеддинга",
+  "model": "qwen3-embedding:0.6b"
+}
+```
+
+### GET /api/v1/providers
+Возвращает список доступных провайдеров с указанием tier.
+
+---
+
+## Ollama конфигурация
+
+| Параметр | Значение |
+|----------|----------|
+| OLLAMA_NUM_PARALLEL | 4 |
+| OLLAMA_MAX_LOADED_MODELS | 2 |
+| OLLAMA_FLASH_ATTENTION | true |
+| Модель генерации | qwen3.5:9b |
+| Модель эмбеддингов | qwen3-embedding:0.6b |
+
+## Пропускная способность
+
+| Сценарий | Одновременно | RPM |
+|----------|--------------|-----|
+| Короткие ответы | 6-8 чел | ~40-60 |
+| Средние ответы | 4-6 чел | ~20-30 |
+| Эмбеддинги | 10+ чел | ~800+ |
+
+---
+
+## Файлы изменены
+
+- `backend/cmd/llm-svc/main.go` — роутинг по тарифу, /embed endpoint
+- `backend/internal/llm/ollama.go` — qwen3.5:9b, убран токен, GenerateEmbedding
+- `backend/internal/llm/client.go` — убран OllamaToken
+- `backend/deploy/k8s/ollama.yaml` — GPU + параллельность
+- `backend/deploy/k8s/ollama-models.yaml` — без авторизации
+
+---
+
+## Сервер
+- IP: 5.187.77.89
+- GPU: RTX 4060 Ti 16GB
+- Site: https://gooseek.ru