feat(step-7,8): leggi modello da config.py, allinea EMBED_MODELS al README

- step-8/ingest.py: rimuove EMBED_MODEL e OLLAMA_URL hardcoded;
  li importa da step-9/config.py (fonte di verita unica)
- step-7/check_env.py: aggiorna EMBED_MODELS con tutti i modelli
  del README (aggiunge qwen3-embedding, nomic-embed-text-v2-moe,
  paraphrase-multilingual); mostra il modello configurato in config.py
  e verifica proprio quello, non un qualsiasi modello embedding
- step-8/README.md: creato

step-7/check_env.py

@@ -18,11 +18,36 @@ Uso:
 import shutil
 import subprocess
 import sys
+from pathlib import Path
 
 
-# Modelli riconosciuti come embedding (basta che uno sia presente)
-# Tutto il resto viene considerato LLM
-EMBED_MODELS = ["bge-m3", "nomic-embed-text", "mxbai-embed-large", "all-minilm"]
+# ─── Lista canonica di modelli embedding supportati ───────────────────────────
+# Ordine: prima scelta → ultima scelta (come da README step-7)
+EMBED_MODELS = [
+    "qwen3-embedding",
+    "nomic-embed-text-v2-moe",
+    "bge-m3",
+    "nomic-embed-text",
+    "mxbai-embed-large",
+    "paraphrase-multilingual",
+    "all-minilm",
+]
+
+
+def _is_embed(model_name: str) -> bool:
+    """True se il modello è riconosciuto come embedding (lista canonica o keyword)."""
+    base = model_name.split(":")[0].lower()
+    return any(base == e or base.startswith(e) for e in EMBED_MODELS) or "embed" in base
+
+
+# ─── Modelli configurati in step-9/config.py ─────────────────────────────────
+# Per spostare config.py alla root: cambia solo la riga qui sotto.
+sys.path.insert(0, str(Path(__file__).parent.parent / "step-9"))
+try:
+    from config import EMBED_MODEL as CONFIGURED_EMBED, OLLAMA_MODEL as CONFIGURED_LLM
+except Exception:
+    CONFIGURED_EMBED = None
+    CONFIGURED_LLM = None
 
 REQUIRED_LIBS = ["chromadb"]
 
@@ -83,25 +108,39 @@ def _match(model_name: str, available: list[str]) -> str | None:
 
 
 def check_embed_model(available: list[str]) -> bool:
-    """Verifica che almeno un modello di embedding sia presente."""
-    for candidate in EMBED_MODELS:
-        found = _match(candidate, available)
+    """Verifica che il modello di embedding configurato sia disponibile."""
+    if CONFIGURED_EMBED:
+        print(f"   modello configurato (step-9/config.py): {CONFIGURED_EMBED}")
+        found = _match(CONFIGURED_EMBED, available)
         if found:
-            print(f"✅ modello embedding trovato: {found}")
+            print(f"✅ embedding disponibile: {found}")
             return True
+        print(f"❌ {CONFIGURED_EMBED} non trovato in Ollama")
+        print(f"   → ollama pull {CONFIGURED_EMBED}")
+        return False
+    # fallback: config.py non leggibile
+    found = next((m for m in available if _is_embed(m)), None)
+    if found:
+        print(f"✅ modello embedding trovato: {found}")
+        return True
     print("❌ nessun modello di embedding trovato")
-    print(f"   → Consigliato per italiano: ollama pull bge-m3")
-    print(f"   → Alternativa leggera:      ollama pull nomic-embed-text")
+    print(f"   → Prima scelta: ollama pull qwen3-embedding:0.6b")
     return False
 
 
 def check_llm_model(available: list[str]) -> bool:
-    """Verifica che almeno un modello non-embedding sia presente."""
-    llm_candidates = [
-        m for m in available
-        if not any(m == e or m.startswith(e + ":") or m.startswith(e + "-")
-                   for e in EMBED_MODELS)
-    ]
+    """Verifica che il modello LLM configurato sia disponibile."""
+    if CONFIGURED_LLM:
+        print(f"   modello configurato (step-9/config.py): {CONFIGURED_LLM}")
+        found = _match(CONFIGURED_LLM, available)
+        if found:
+            print(f"✅ LLM disponibile: {found}")
+            return True
+        print(f"❌ {CONFIGURED_LLM} non trovato in Ollama")
+        print(f"   → ollama pull {CONFIGURED_LLM}")
+        return False
+    # fallback: config.py non leggibile
+    llm_candidates = [m for m in available if not _is_embed(m)]
     if llm_candidates:
         print(f"✅ modello LLM trovato: {llm_candidates[0]}")
         return True