fix: 修复本地llm服务不可用问题 + 统一模型缓存目录位置

- 修复 config.py 添加 LOCAL_MODEL_NAME 配置项
- 修复 chat_services.py 本地模型检测时API路径重复问题(/v1/models -> /models)
- 更新 .gitignore，移除模型目录跟踪
- 统一模型缓存到 docker/models/fastembed_cache，避免重复
- 更新 Dockerfile，正确复制预下载的BM25模型缓存

docker/backend/Dockerfile

@@ -72,7 +72,7 @@ COPY docker/models/ /tmp/models/
 
 # 安装本地模型 wheel（如果有 .whl 文件）
 RUN find /tmp/models -name "*.whl" -type f 2>/dev/null | head -1 | xargs -r pip install --no-cache-dir && \
-    rm -rf /tmp/models
+    rm -rf /tmp/models/*.whl  # 只删除 wheel，保留 fastembed_cache
 
 # 设置 pip 国内镜像源
 RUN pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
@@ -81,18 +81,11 @@ RUN pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
 COPY backend/requirements.txt .
 RUN pip install --no-cache-dir --default-timeout=300 -r requirements.txt
 
-# =============================================================================
-# 下载稀疏模型（关键步骤：在构建阶段下载到固定目录）
-# =============================================================================
-RUN mkdir -p /app/models/sparse
-COPY download_sparse_model.py .
-RUN python download_sparse_model.py --cache-dir /app/models/sparse --model-name Qdrant/bm25 && \
-    rm -f download_sparse_model.py
-
 # =============================================================================
 # 复制预下载的BM25模型缓存（FastEmbed）
 # =============================================================================
-COPY models/fastembed_cache /app/fastembed_cache
+# 注意：模型在 docker/models/fastembed_cache 里
+COPY docker/models/fastembed_cache /app/fastembed_cache
 
 # =============================================================================
 # 复制项目代码