fix(chat): 流式问答中文乱码 + 问答模型链换成专用文字大模型

## 乱码修复
Gemini 流式接口 resp.iter_lines(decode_unicode=True) 没有显式设置
resp.encoding，requests 自己猜编码猜错了（Gemini 的 SSE 响应 Content-Type
不带 charset 参数），导致中文变成典型的 UTF-8 被当 Latin-1 解码的乱码。
fam-core 转发这一跳的 requests.iter_lines 调用有同样的坑，一并修了。
两处响应的 Content-Type 都补上 charset=utf-8，减少下游再犯同样错误的机会。
顺手用 latin-1/utf-8 往返把 NAS chat_history 里已经存了乱码的 3 条历史记录
恢复成正常文字。

## 问答模型链重新设计（跟视频分析完全独立）
用户要求问答不再用 flash/omni，优先用 NVIDIA 免费文字模型里上下文最大的几个，
不行再退 Gemini 非 flash 文字模型，最后本地 Ollama 兜底。

- base_adapter 新增 usage 字段（纯标记，不影响行为）
- qa.py 的 QAOrchestrator 只挑 role='text' 的适配器参与问答（按 config 出现
  顺序决定降级顺序），role='vision' 的视频分析适配器（gemini-flash-latest /
  nvidia omni）不再参与问答，两条链路彻底解耦
- 新增问答专用 NVIDIA 文字模型链（同一适配器内部 model_chain 降级）：
  nemotron-3-ultra-550b-a55b(1M上下文/561B) -> nemotron-3-super-120b-a12b
  (1M上下文/124B) -> openai/gpt-oss-120b(131K上下文/117B)。三个都用真实
  API 调用验证过当前账号可访问；同时验证过 llama-3.1-70b-instruct 和
  nemotron-super-49b-v1.5 都收到"08/25/2026 起弃用"通知，排除；
  nemotron-ultra-253b/mistral-large-2/nemotron-4-340b/kimi-k2.6 在目录里
  能看到但实测调用返回 404"账号无权限"，排除
- 新增问答专用 Gemini 非 flash 文字模型：gemini-pro-latest -> gemini-2.5-pro
  （1M 上下文，复用视频分析同一批多 key 轮换）
- /api/edge/chat/ask(/stream) 默认 max_tokens 从 1024 提到 3072：新链路
  优先用的都是"推理"模型，回答前会先吐一段思考过程，1024 经常在思考阶段
  就被截断，用户永远看不到真正答案

新增 test_qa.py::test_init_only_keeps_text_role_adapters_in_config_order
验证角色过滤+顺序正确。

本地检查过 Ollama 服务本身：systemd enabled+running（8h 正常运行，
qwen2.5:7b 已加载），并非没启动——用户观察到的现象另有原因。

fam-core/src/fam_core/chat_handler/chat_handler.py

@@ -174,6 +174,9 @@ def chat_ask_stream():
                                 timeout=(10, timeout), stream=True)
             if resp.status_code != 200:
                 raise Exception(f"HTTP {resp.status_code}")
+            # 甲骨文那边的响应体固定是 UTF-8，但 Content-Type 不一定带 charset
+            # 参数，requests 会自己猜编码——猜错就是中文乱码，强制指定跳过嗅探。
+            resp.encoding = 'utf-8'
             for line in resp.iter_lines(decode_unicode=True):
                 if not line or not line.startswith('data: '):
                     continue
@@ -200,7 +203,7 @@ def chat_ask_stream():
             context_summary=context_summary,
             queried_date=queried_date, queried_person=queried_person)
 
-    return Response(stream_with_context(generate()), mimetype='text/event-stream',
+    return Response(stream_with_context(generate()), mimetype='text/event-stream; charset=utf-8',
                     headers={'Cache-Control': 'no-cache', 'X-Accel-Buffering': 'no'})