app/services/embeddings_client.py hinzugefügt

app/services/embeddings_client.py

@@ -0,0 +1,46 @@
+"""
+app/services/embeddings_client.py — Text→Embedding (WP-04)
+
+Zweck:
+    Liefert 384-d Embeddings für Textqueries (lazy load, einmal pro Prozess).
+    Standard: Sentence-Transformers (MODEL_NAME aus app.config.Settings).
+    Hinweis: Kein Netz-Zugriff; nutzt lokal installierte Modelle.
+Kompatibilität:
+    Python 3.12+, sentence-transformers 5.x
+Version:
+    0.1.0  (Erstanlage)
+Stand:
+    2025-10-07
+Bezug:
+    - app/core/retriever.py (nutzt embed_text_if_needed)
+    - app/config.py (MODEL_NAME, VECTOR_SIZE)
+Nutzung:
+    from app.services.embeddings_client import embed_text
+Änderungsverlauf:
+    0.1.0 (2025-10-07) – Erstanlage.
+"""
+
+from __future__ import annotations
+from typing import List
+from functools import lru_cache
+from app.config import get_settings
+
+# Lazy import, damit Testläufe ohne Modell-Laden schnell sind
+def _load_model():
+    from sentence_transformers import SentenceTransformer  # import hier, nicht top-level
+    s = get_settings()
+    return SentenceTransformer(s.MODEL_NAME, device="cpu")
+
+@lru_cache(maxsize=1)
+def _cached_model():
+    return _load_model()
+
+def embed_text(text: str) -> List[float]:
+    """
+    Erzeugt einen 384-d Vektor (oder laut Settings.VECTOR_SIZE) für den gegebenen Text.
+    """
+    if not text or not text.strip():
+        raise ValueError("embed_text: leerer Text")
+    model = _cached_model()
+    vec = model.encode([text], normalize_embeddings=True)[0]
+    return vec.astype(float).tolist()