feat: AutoContext-Suche grundlegend verbessern + Embedding-Debug-Tool

Hybrid-Suche (Vektor + FTS5-Keyword), Recency-Boost, Query-Erweiterung
(letzte 2-3 User-Messages), Chunk-Overlapping, FullText-Speicherung,
konfigurierbares Embedding-Modell/MaxSeqLen, deduplizierter AutoContext-
Code (Streaming + CLI shared), Admin-Diagnose-Seite mit Re-Embed-Funktion.
Threshold von 0.45 auf 0.35 gesenkt (Hybrid-Suche ist präziser).

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

Services/EmbeddingService.cs

@@ -10,8 +10,9 @@ using Microsoft.ML.OnnxRuntime.Tensors;
 namespace Gott.Services;
 
 /// <summary>
-/// Lokaler Embedding-Service basierend auf all-MiniLM-L6-v2 (ONNX).
+/// Lokaler Embedding-Service (ONNX). Standardmäßig all-MiniLM-L6-v2.
 /// Generiert 384-dimensionale Sentence-Embeddings für semantische Suche.
+/// Das Modellverzeichnis und die maximale Sequenzlänge sind konfigurierbar.
 /// </summary>
 public sealed class EmbeddingService : IDisposable
 {
@@ -20,15 +21,20 @@ public sealed class EmbeddingService : IDisposable
     readonly int _clsId;
     readonly int _sepId;
     readonly int _unkId;
-    readonly int _maxSeqLen = 128;
+    readonly int _maxSeqLen;
     bool _disposed;
 
     public bool IsAvailable { get; }
     public int Dimensions => 384;
+    public string ModelName { get; }
+    public bool CrossEncoderAvailable => false;
 
-    public EmbeddingService()
+    public EmbeddingService(string modelDir = null, int maxSeqLen = 256)
     {
-        var modelDir = Path.Combine(AppContext.BaseDirectory, "data", "models", "all-MiniLM-L6-v2");
+        _maxSeqLen = maxSeqLen;
+        if (modelDir == null)
+            modelDir = Path.Combine(AppContext.BaseDirectory, "data", "models", "all-MiniLM-L6-v2");
+        ModelName = Path.GetFileName(modelDir);
         var modelPath = Path.Combine(modelDir, "model.onnx");
         var vocabPath = Path.Combine(modelDir, "vocab.txt");