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-8/README.md

@@ -0,0 +1,59 @@
+# Step 8 — Vettorizzazione
+
+Legge i chunk prodotti da step-6, genera gli embedding tramite Ollama e li
+salva in ChromaDB (vector store persistente su disco).
+
+---
+
+## Prerequisiti
+
+- Step-6 completato (esiste `step-6/<stem>/chunks.json`)
+- Ollama attivo con il modello di embedding scaricato
+- `chromadb` installato (`pip install -r requirements.txt`)
+
+---
+
+## Configurazione modello
+
+Il modello di embedding viene letto da **`step-9/config.py`**:
+
+```python
+# step-9/config.py
+EMBED_MODEL = "nomic-embed-text"   # ← cambia qui
+```
+
+> Il modello scelto qui deve corrispondere a quello usato in step-9.
+> Se lo cambi dopo aver già vettorizzato, devi rieseguire step-8 con `--force`.
+
+---
+
+## Uso
+
+```bash
+# Vettorizza un singolo documento
+python step-8/ingest.py --stem <nome>
+
+# Vettorizza tutti i documenti trovati in step-6/
+python step-8/ingest.py
+
+# Sovrascrive una collection già esistente
+python step-8/ingest.py --stem <nome> --force
+
+# Override modello (senza modificare config.py)
+python step-8/ingest.py --stem <nome> --model bge-m3
+```
+
+---
+
+## Output
+
+I vettori vengono salvati in `chroma_db/<stem>/` come collection ChromaDB con
+distanza coseno. La directory è ignorata da git (generata automaticamente).
+
+---
+
+## Modelli supportati
+
+Stessi modelli raccomandati nel [README di step-7](../step-7/README.md).
+Il modello deve essere scaricato in Ollama prima di eseguire questo script
+(`ollama pull <modello>`).