test: 补齐4个模块测试 + LLM 图质量评估 + 文件日志

补齐测试:
- pipeline_test.go: 29 个测试 (蒸馏/刷盘/加载/三连提取/工具函数)
- social_test.go: 11 个测试 (特质CRUD/社交关系/网络/安全 nil 守卫)
- text/memory_test.go: 20 个测试 (追加/回放/并发/旋转/清理/持久化)
- indexer_test.go: 15 个测试 (同步/上下文/召回过滤/关键词/工具定义)

图质量评估:
- reorgGraph 新增 evaluateGraphQuality 步骤
- 自动识别蒸馏噪音 (用户-提及/AI-回应) 和低 confidence 关系
- 通过 enqueueConsolidationTask 交由 LLM 逐条判断保留/删除

文件日志:
- 启动时创建 data/log/ 目录
- io.MultiWriter 同时输出到 stderr 和 homed_<时间>.log

internal/agent/core/agent.go

@@ -1651,6 +1651,65 @@ func (a *Agent) reorgGraph() {
 	} else {
 		log.Printf("[agent] graph reorg: no similar entities found")
 	}
+
+	// 5. 图连接质量评估：由 LLM 判断低质量关系并丢弃
+	a.evaluateGraphQuality()
+}
+
+func (a *Agent) evaluateGraphQuality() {
+	if a.memory == nil {
+		return
+	}
+
+	// 召回近期低 confidence 关系（使用默认 recall 获取最新实体和关系）
+	result, err := a.memory.Recall(nil, nil, 1, "")
+	if err != nil || result == nil || len(result.Relations) == 0 {
+		return
+	}
+
+	// 选出低质量候选：generic 关系（如 distiller 自动生成的泛化关系）
+	var lowQuality []string
+	for _, r := range result.Relations {
+		// 自动蒸馏生成的 (用户, 提及, ...) 和 (AI, 回应, ...) 通常是噪音
+		if (r.SourceName == "用户" || r.SourceName == "AI") &&
+			(r.RelationType == "提及" || r.RelationType == "回应") {
+			lowQuality = append(lowQuality, fmt.Sprintf("「%s」-「%s」→「%s」", r.SourceName, r.RelationType, r.TargetName))
+			continue
+		}
+		// 极低 mention 的实体+generic 关系
+		if r.Confidence < 0.3 && r.RelationType != "" {
+			lowQuality = append(lowQuality, fmt.Sprintf("「%s」-「%s」→「%s」(confidence=%.1f)", r.SourceName, r.RelationType, r.TargetName, r.Confidence))
+		}
+	}
+
+	if len(lowQuality) == 0 {
+		return
+	}
+
+	// 分批发送给 LLM 决策，每批最多 10 条
+	batchSize := 10
+	for i := 0; i < len(lowQuality); i += batchSize {
+		end := i + batchSize
+		if end > len(lowQuality) {
+			end = len(lowQuality)
+		}
+		batch := lowQuality[i:end]
+
+		a.enqueueConsolidationTask(ConsolidationTask{
+			Type: "graph_quality",
+			Reason: fmt.Sprintf(
+				"图数据库中发现 %d 条低质量关系，请逐条判断是否应该删除（保留 = keep，删除 = discard）：\n%s",
+				len(batch),
+				strings.Join(batch, "\n"),
+			),
+			Data: map[string]interface{}{
+				"candidates": batch,
+				"action":     "evaluate_quality",
+			},
+		})
+	}
+
+	log.Printf("[agent] graph quality: %d low-quality connection batches sent for LLM evaluation", (len(lowQuality)+batchSize-1)/batchSize)
 }
 
 // entitySimilarity 计算两个实体名的相似度（字符 bigram Jaccard）