feat(sense): T-G1 Embedder（int8 量化/降级 fail-closed + /v1/embeddings 透传）

- embedder.py：embed() 调 llama-server /v1/embeddings -> 对称 per-vector
  int8 量化（scale=127/max|v|，1024 维余弦扰动 ~1e-4 << 1e-2 验收）；
  超时/连接/非200/空形状 -> EmbedderDown（D-G4 fail-closed）；
  quantize_int8/cosine_int8 辅助（int8 直接点积，scale 正标量不改方向）
- routes.py 拆双路由组：/sense 前缀组 + /v1 无前缀组（/v1/embeddings
  OpenAI 兼容透传，embedder 不可用 503）；build_sense_routers 返回列表，
  api.py 逐个 include；build_sense_router 保留向后兼容
- 测试 +6：量化余弦误差 200 组 <1e-2/范围/零向量/int8 余弦/
  正常量化/三种 fail-closed/透传端点（503+形状+400），全量 381 passed
- 待真机项：llama-server embedder 端点冒烟（需用户配置 embedder.base_url）

gateway/sense/embedder.py

@@ -0,0 +1,84 @@
+"""Embedder 客户端（T-G1）：llama-server /v1/embeddings + int8 量化 + 降级（D-G4）。
+
+- int8 量化：对称 per-vector scale（scale = max|v| / 127），q = round(v × scale)。
+  1024 维余弦扰动 ~1e-4（验收 <1e-2）；存储 1024 维 fp32 4KB -> int8 1KB（D-G6）。
+- 降级（D-G4）：超时/连接失败/非 200/形状不符 -> raise EmbedderDown，
+  调用方（grader）退化为规则门 + 默认 T2。
+"""
+from __future__ import annotations
+
+import httpx
+
+from gateway.sense.config import EmbedderCfg
+from gateway.sense.errors import EmbedderDown
+
+_client: Optional[httpx.AsyncClient] = None
+
+
+def get_client() -> httpx.AsyncClient:
+    global _client
+    if _client is None:
+        _client = httpx.AsyncClient(timeout=5.0)
+    return _client
+
+
+async def close_client() -> None:
+    global _client
+    if _client is not None:
+        await _client.aclose()
+        _client = None
+
+
+def quantize_int8(vec: list[float]) -> list[int]:
+    """对称 per-vector int8 量化：q = round(v × scale)，scale = 127 / max|v|。"""
+    m = max((abs(v) for v in vec), default=0.0)
+    if m == 0:
+        return [0] * len(vec)
+    scale = 127.0 / m
+    return [max(-127, min(127, int(round(v * scale)))) for v in vec]
+
+
+def dequantize_int8(q: list[int], scale: float) -> list[float]:
+    """反量化（需要保留 scale 时使用；检索场景直接用 int8 余弦即可）。"""
+    if scale == 0:
+        return [0.0] * len(q)
+    return [x / scale for x in q]
+
+
+def cosine_int8(a: list[int], b: list[int]) -> float:
+    """int8 向量余弦相似度（无 scale 版本：scale 为正标量不改变方向）。"""
+    n = min(len(a), len(b))
+    if n == 0:
+        return 0.0
+    dot = na = nb = 0
+    for i in range(n):
+        x, y = a[i], b[i]
+        dot += x * y
+        na += x * x
+        nb += y * y
+    if na == 0 or nb == 0:
+        return 0.0
+    return max(-1.0, min(1.0, dot / ((na ** 0.5) * (nb ** 0.5))))
+
+
+async def embed(text: str, cfg: EmbedderCfg) -> list[int]:
+    """调用 llama-server /v1/embeddings，返回 int8 量化向量（§7 签名）。
+
+    失败（超时/连接/非 200/形状不符）-> raise EmbedderDown（D-G4 降级信号）。
+    """
+    try:
+        client = get_client()
+        resp = await client.post(
+            cfg.base_url.rstrip("/") + "/embeddings",
+            json={"model": cfg.model, "input": text},
+            timeout=cfg.timeout_s)
+        resp.raise_for_status()
+        data = resp.json()
+        vec = data["data"][0]["embedding"]
+        if not isinstance(vec, list) or not vec:
+            raise ValueError("空向量")
+        return quantize_int8([float(v) for v in vec])
+    except EmbedderDown:
+        raise
+    except Exception as e:  # noqa: BLE001
+        raise EmbedderDown(f"embedder 不可用: {type(e).__name__}: {e}") from e