会話ログをトピッククラスタリングする

埋め込み済みの大量チャンクを「トピック別」に畳んで検索の絞り込み軸にする型（gemini-rag）。

• UMAP → HDBSCAN → LLM命名の3段：
  1. UMAP で次元削減（n_components=50, n_neighbors=15, min_dist=0.0）。生の埋め込みをそのまま クラスタリングするより密度が出る。
  2. HDBSCAN でクラスタリング（min_cluster_size = 件数×0.005, min_samples=5）。k を決め打たず 密度ベースで、ノイズ点は -1 に落ちる。
  3. 各クラスタの代表テキストを Ollama に渡して 10文字以内で命名（トピック名）。
• 命名は安いので分離：UMAP/HDBSCAN は重い。命名だけやり直したい（モデル変更等）ときのために rename_clusters.py を別に切る → 自動化の運用パターン（重い処理と軽い再実行の分離）。
• 関連：embedding モデル乗り換えに備え、コレクションを再ベクトル化する migrate_embeddings.py （--src/--dst/--dry-run/--model）を初めから用意しておくと将来の移行が楽。

出典：gemini-rag（generate_clusters.py, rename_clusters.py）。基盤は 長時間バッチ処理の作法