refactor(ai): GPU Ollama LLM 제거 — Mac mini 26B 단일 generation 호스트로 통일

GPU 서버 정체성 = embedding/rerank/STT/OCR/marker 특화 백엔드.
Generative LLM 0. Mac mini gemma-4-26B-A4B 가 triage + primary +
classifier 모두 흡수. fallback 은 Claude Sonnet 4 API (자동 trigger,
premium 과 budget 공유).

- triage: GPU Ollama gemma4:e4b → Mac mini :8801 26B (primary 동일 endpoint)
- fallback: GPU Ollama gemma4:e4b → Claude Sonnet 4 API (require_explicit_trigger=false)
- classifier: GPU Ollama gemma4:e4b → Mac mini :8801 26B (max_tokens 512)
- primary / premium / embedding / rerank: 변경 0

후속 (별 커밋): `ssh gpu "ollama rm gemma4:e4b-it-q8_0"` — VRAM ~11GB 회수.

Mac mini 단일화 위험 mitigation = (1) Mac mini uptime 31d 무중단 검증,
(2) Claude Sonnet 4 API daily_budget $5 안 (Mac mini up 가정 호출 빈도 낮음),
(3) Beszel siteMonitor :8801 health check + Synology Chat alert.

plan: ~/.claude/plans/rosy-launching-otter.md §C/§D/§E (7-device LLM 배치 + 운영 전략)

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

config.yaml

@@ -5,12 +5,15 @@ ai:
     endpoint: "http://ai-gateway:8080"
 
   models:
-    # ─── 2-tier routing (PR-B) ───
-    # triage: 상시 분류·요약·근거 선별. GPU Ollama gemma-4b (Q8_0, ~11.6GB).
-    #         concurrent OK — llm_gate Semaphore 경유 불필요.
+    # ─── 단일 generation 호스트 routing (2026-05-14 GPU LLM 제거) ───
+    # GPU Ollama gemma4:e4b-it-q8_0 제거. Mac mini 26B-A4B 가 triage + primary + classifier 모두 흡수.
+    # fallback 은 Claude Sonnet 4 API (Mac mini 다운 시 자동 trigger, premium 과 budget 공유).
+    # plan: ~/.claude/plans/rosy-launching-otter.md §C/§D/§E
+
+    # triage: 상시 분류·요약·근거 선별. Mac mini 26B (primary 와 동일 endpoint, 짧은 max_tokens).
     triage:
-      endpoint: "http://ollama:11434/v1/chat/completions"
-      model: "gemma4:e4b-it-q8_0"
+      endpoint: "http://100.76.254.116:8801/v1/chat/completions"
+      model: "mlx-community/gemma-4-26b-a4b-it-8bit"
       max_tokens: 4096
       timeout: 30
       context_char_limit: 120000
@@ -23,11 +26,14 @@ ai:
       timeout: 180
       context_char_limit: 260000
 
-    # fallback: primary 장애 시 최후 방어선. triage 와 동일 모델 — gemma-4b 로 퇴행 허용.
+    # fallback: primary 장애 시 최후 방어선. Claude Sonnet 4 API (소액 한도, 자동 trigger).
+    # 호출 빈도 낮음 가정 (Mac mini 가 거의 항상 up) → premium 과 budget 공유 OK.
     fallback:
-      endpoint: "http://ollama:11434/v1/chat/completions"
-      model: "gemma4:e4b-it-q8_0"
+      endpoint: "https://api.anthropic.com/v1/messages"
+      model: "claude-sonnet-4-20250514"
       max_tokens: 4096
+      daily_budget_usd: 5.00
+      require_explicit_trigger: false
       timeout: 120
 
     premium:
@@ -45,12 +51,11 @@ ai:
       endpoint: "http://reranker:80/rerank"
       model: "bge-reranker-v2-m3"
 
-    # Phase 3.5a answerability classifier. 모델은 gemma4:e4b 로 통일 (exaone 제거 반영).
-    # classifier_service 가 hasattr 체크로 optional 이므로 이 섹션 제거 시 classifier gate
-    # 는 자동 skip (score-only). 지금은 의도적으로 유지.
+    # Phase 3.5a answerability classifier. 2026-05-14 GPU LLM 제거 후 Mac mini 26B 로 swap.
+    # classifier_service 가 hasattr 체크로 optional 이므로 이 섹션 제거 시 classifier gate 는 자동 skip (score-only).
     classifier:
-      endpoint: "http://ollama:11434/v1/chat/completions"
-      model: "gemma4:e4b-it-q8_0"
+      endpoint: "http://100.76.254.116:8801/v1/chat/completions"
+      model: "mlx-community/gemma-4-26b-a4b-it-8bit"
       max_tokens: 512
       timeout: 10
     # 제거: vision (미사용)