feat(etl): нормализация на Gemini-эмбеддингах (API), Vision подключён

- эмбеддинги переведены с локального torch на Gemini API (лёгкий контейнер)
  GeminiEmbedder: gemini-embedding-001, 768d, RETRIEVAL query/document
- фильтр настоящих названий: коды/числа не уходят в сопоставление
- порог косинуса 0.70 → ~73% автонормализации (цель ТЗ ≥70%), остальное в unmatched
- Vision (gemini-2.5-flash, новый SDK) подключён в диспетчер для скан/нулевых PDF;
  проверено: Клиника 5 — 34 чистые позиции со страницы
- зависимости: убран torch/sentence-transformers, добавлен google-genai+numpy

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

etl/extractors/grid.py

@@ -25,6 +25,7 @@ from etl.extractors.common import (  # noqa: E402
     classify_price_tier,
     clean,
     find_header_row,
+    is_real_name,
     looks_like_code,
     parse_price,
 )
@@ -157,8 +158,8 @@ def extract_rows_from_grid(grid: Grid) -> list[RawRow]:
             continue
 
         name = r[name_col] if name_col < len(r) else ""
-        if not name or not prices:
-            continue  # без названия или без цены это не позиция прайса
+        if not prices or not is_real_name(name):
+            continue  # не позиция: нет цены либо в «названии» код/число, а не услуга
 
         rows.append(
             RawRow(