feat: integrate dots.ocr native prompt modes and 2-stage qa_pairs pipeline

Prompt Modes Integration:
- Create local_runtime.py with DOTS_PROMPT_MAP
- Map OutputMode to native dots.ocr prompt modes (prompt_layout_all_en, prompt_ocr, etc.)
- Support dict_promptmode_to_prompt from dots.ocr with fallback prompts
- Add layout_only and region modes to OutputMode enum

2-Stage Q&A Pipeline:
- Create qa_builder.py for 2-stage qa_pairs generation
- Stage 1: PARSER (dots.ocr) → raw JSON via prompt_layout_all_en
- Stage 2: LLM (DAGI Router) → Q&A pairs via mode=qa_build
- Update endpoints.py to use 2-stage pipeline for qa_pairs mode
- Add ROUTER_BASE_URL and ROUTER_TIMEOUT to config

Updates:
- Update inference.py to use local_runtime with native prompts
- Update ollama_client.py to use same prompt map
- Add PROMPT_MODES.md documentation

services/parser-service/PROMPT_MODES.md

@@ -0,0 +1,158 @@
+# Prompt Modes Integration - dots.ocr Native Modes
+
+Цей документ описує інтеграцію режимів `OutputMode` в `parser-service` з нативними prompt-модами `dots.ocr`.
+
+---
+
+## 📋 Мапа режимів
+
+### Базові режими
+
+| OutputMode | dots.ocr Prompt Mode | Опис |
+|------------|---------------------|------|
+| `raw_json` | `prompt_layout_all_en` | Повний JSON (layout + контент) |
+| `markdown` | `prompt_ocr` | Текст/таблиці в Markdown |
+| `qa_pairs` | `prompt_layout_all_en` | Повний JSON, потім 2-й крок LLM |
+| `chunks` | `prompt_layout_all_en` | Повний JSON для chunking |
+| `layout_only` | `prompt_layout_only_en` | Тільки layout (bbox + категорії, без тексту) |
+| `region` | `prompt_grounding_ocr` | Таргетований парсинг регіону |
+
+---
+
+## 🔄 Архітектура
+
+### 1. Local Runtime (`local_runtime.py`)
+
+Використовує нативні prompt-режими `dots.ocr` через `dict_promptmode_to_prompt`:
+
+```python
+from dots_ocr.utils.prompts import dict_promptmode_to_prompt
+
+DOTS_PROMPT_MAP = {
+    "raw_json": "prompt_layout_all_en",
+    "markdown": "prompt_ocr",
+    "qa_pairs": "prompt_layout_all_en",
+    # ...
+}
+
+def _build_prompt(output_mode: str) -> str:
+    prompt_key = DOTS_PROMPT_MAP.get(output_mode, "prompt_layout_all_en")
+    return dict_promptmode_to_prompt[prompt_key]
+```
+
+**Fallback:** Якщо `dict_promptmode_to_prompt` недоступний, використовуються fallback-промпти.
+
+---
+
+### 2. Ollama Runtime (`ollama_client.py`)
+
+Використовує ту саму мапу prompt-режимів, але з fallback-промптами (оскільки Ollama не має прямого доступу до `dict_promptmode_to_prompt`).
+
+---
+
+### 3. 2-стадійний пайплайн `qa_pairs`
+
+**Stage 1: PARSER (dots.ocr)**
+- Використовує `prompt_layout_all_en` → повний JSON
+
+**Stage 2: LLM (DAGI Router)**
+- Бере parsed JSON
+- Генерує Q&A пари через `qa_builder.py`
+- Викликає DAGI Router з `mode="qa_build"`
+
+```python
+# Stage 1: PARSER
+parsed_doc = parse_document_from_images(images, output_mode="qa_pairs")
+
+# Stage 2: LLM
+qa_pairs = await build_qa_pairs_via_router(parsed_doc, dao_id)
+```
+
+---
+
+## 🎯 Використання
+
+### Приклад 1: Raw JSON (layout + content)
+
+```python
+# POST /ocr/parse
+{
+    "output_mode": "raw_json"
+}
+
+# Використовує: prompt_layout_all_en
+# Результат: ParsedDocument з повним JSON
+```
+
+### Приклад 2: Markdown
+
+```python
+# POST /ocr/parse
+{
+    "output_mode": "markdown"
+}
+
+# Використовує: prompt_ocr
+# Результат: Markdown текст
+```
+
+### Приклад 3: Q&A Pairs (2-stage)
+
+```python
+# POST /ocr/parse_qa
+{
+    "dao_id": "daarion"
+}
+
+# Stage 1: prompt_layout_all_en → ParsedDocument
+# Stage 2: DAGI Router → QAPair[]
+```
+
+### Приклад 4: Layout Only
+
+```python
+# POST /ocr/parse
+{
+    "output_mode": "layout_only"
+}
+
+# Використовує: prompt_layout_only_en
+# Результат: ParsedDocument з тільки layout (без тексту)
+```
+
+---
+
+## 🔧 Конфігурація
+
+### Environment Variables
+
+```bash
+# DAGI Router (для qa_pairs 2-stage pipeline)
+ROUTER_BASE_URL=http://router:9102
+ROUTER_TIMEOUT=60
+
+# dots.ocr model
+PARSER_MODEL_NAME=rednote-hilab/dots.ocr
+PARSER_DEVICE=cuda  # or cpu, mps
+```
+
+---
+
+## 📝 Примітки
+
+1. **qa_pairs композитний режим**: У `dots.ocr` немає нативного `qa_pairs` prompt-моду. Тому використовується 2-стадійний пайплайн.
+
+2. **Fallback промпти**: Якщо `dict_promptmode_to_prompt` недоступний, використовуються fallback-промпти з `local_runtime.py`.
+
+3. **Ollama runtime**: Ollama використовує fallback-промпти, оскільки не має прямого доступу до `dict_promptmode_to_prompt`.
+
+4. **DAGI Router integration**: Для `qa_pairs` потрібен доступ до DAGI Router з `mode="qa_build"` (потрібно додати в `router-config.yml`).
+
+---
+
+## 🚀 Наступні кроки
+
+1. Додати `mode="qa_build"` в DAGI Router (`router-config.yml`)
+2. Тестувати 2-стадійний пайплайн `qa_pairs`
+3. Додати підтримку `region` mode (grounding OCR)
+