fix(honcho): embedding 升 Qwen3-8B 并 force dimensions=1536 兼容旧 schema

- vm61 数据库 public.documents.embedding dim 是 1536（旧 OpenAI 部署遗留）
- Qwen3-Embedding-8B 默认 4096 维，撞 schema 不匹配导致 honcho-api 启动失败
- 通过 SiliconFlow OpenAI 兼容 API 的 dimensions 参数强制输出 1536
- env.cfg + stack.yml + readme 全部同步更新
- docker compose config 校验通过，vm61 honcho-api /health HTTP 200

honcho/env.cfg.example

@@ -49,7 +49,7 @@ HONCHO_NAMESPACE=honcho
 # 关闭可省 embedding 费用（但失去语义检索能力）
 HONCHO_EMBED_MESSAGES=true
 # Embedding 模型（默认走 SiliconFlow 兼容端点，独立 base URL）
-HONCHO_EMBEDDING_MODEL=Qwen/Qwen3-Embedding-0.6B
+HONCHO_EMBEDDING_MODEL=Qwen/Qwen3-Embedding-8B
 HONCHO_EMBEDDING_BASE_URL=https://api.siliconflow.cn/v1
 # 替代方案 A：本地 Ollama（零成本、隐私优先）
 #   HONCHO_EMBEDDING_MODEL=qwen3-embedding:0.6b
@@ -57,8 +57,9 @@ HONCHO_EMBEDDING_BASE_URL=https://api.siliconflow.cn/v1
 #   EMBEDDING_API_KEY 可留空（Ollama 默认无 key；如配了 OLLAMA_API_KEY 环境变量再填）
 #   前置：宿主机 `ollama pull qwen3-embedding:0.6b`
 #   docker compose 中 host.docker.internal 在 Linux compose v2 默认可用，Windows/WSL2 自动转发
-# Embedding 维度（Qwen3-Embedding-0.6B 默认 1024，必须与 DB schema 一致）
-# 若 Honcho 自动推断失败，需在 stack.yml 同步设置 EMBEDDING_VECTOR_DIMENSIONS=1024
+# Embedding 维度（Qwen3-Embedding-8B 默认 4096，但通过 SiliconFlow 的 dimensions 参数强制输出 1536）
+# 必须与已有 DB schema 的 public.documents.embedding dim 一致；切换模型必须先 migrate 旧数据
+# 若 Honcho 自动推断失败，需在 stack.yml 同步设置 EMBEDDING_VECTOR_DIMENSIONS=1536
 # deriver 必须用支持 tool calling 的模型
 HONCHO_DERIVER_MODEL=gpt-5.4-mini
 HONCHO_DERIVER_WORKERS=1