refactor(memory): 拆除描述式媒体索引，媒体成为一等块并按原生向量融合

背景：此前媒体是靠「生成的描述文本」将就进记忆的——写 marker 进正文、
再由正则反解成 media_refs 与图库里的 type=Media 实体。这条链路有三个
致命缺陷：描述由异步模型生成（未生成前媒体等于不存在）、语义检索实质上
只搜描述文字、图库里的「媒体节点」是描述文本的投影而不是媒体本身。

本提交把这条链路整体拆除，媒体改为按自己的原生向量参与记忆：

一、描述链彻底删除（无残留、无兼容分支）
- media.Item 去掉 Description/DescribedBy 与对应列；
- 删除 Store.Describe / Store.Search / Store.Pending；
- 删除 Agent.mediaDescribeLoop / describePendingMedia 与配置项
  core.memory.media.describe_on_ingest；
- SDK 侧 MediaAttachment 去掉 Description（见 SDK 仓独立提交）。

二、marker 机制删除，媒体归属改为结构化块边
- 删除 mediaMarkerLine/parseMediaMarkers/mediaEntityName/mediaTriplesFromText/
  extractMediaDigests/sentenceWithMediaMarkers/docMediaContext；
- memory.Triple 新增 MediaDigests 结构化字段；句子文本保持原样，
  不再被 marker 污染；
- 块以 sentence --contains--> block / document --contains--> block 结构边
  挂到承载节点（新增 documents 表与 document 节点种类）；
- 模型未给原句时用「主谓宾。」拼一句自然语言作落点，不造 marker 文本。

三、旧数据迁移（幂等）
- 新增 GraphDB.MigrateLegacyMediaEntities：把 type=Media 的旧实体按短 digest
  还原成原生块、挂回原句子、删除旧实体与描述关系；Agent 启动时执行；
- CleanupOrphanedSentences 同时看关系引用与块边，避免把只靠块存活的句子
  连同块边一起删掉。

四、向量融合：媒体按图本身被召回
- 新增 vector.FuseVectors（逐维求和 + L2 归一化）；
- Doc.DenseVec = 文本向量 ⊕ 文档块的媒体向量（同 fingerprint 才融合），
  新增 Doc.DenseFP，指纹变化触发重算；
- ContextEvent.DenseVec 同理融合事件块；事件新增 DenseFP，Prune 只在
  同一统一空间内比稠密余弦；
- 跨模态视觉路只召回「仍被某层记忆块持有」的媒体，CAS 全库字节不再
  直接充当记忆检索结果。

五、同时纳入本分支既有的嵌入基础改造（此前工作区未提交，缺它 HEAD 不可构建）
- internal/tfidf 懒回退包、千问三段式多模态 ONNX 空间的 Go 侧
  （qwen/embedder.go、image.go、model_input.go）、CLIP 移除、
  sdk.NewStore 分词器签名与调用点、embed 侧车 systemd 单元。

验证：go build ./... 、go vet ./...（含 -tags medialive）均通过；
在 HEAD 的独立 worktree 上重放本次暂存集后 go test -short ./internal/...
全部通过（端口冲突类用例在隔离环境中亦通过）。未提交工作区中与本改造
无关的改动（HarmonyOS、waiter、devicebridge、plan.md 等）。

internal/agent/core/agent.go

@@ -56,8 +56,6 @@ type Agent struct {
 	// 它是记忆块的内容存储，不单独做生命周期管理：块的创建/迁移/删除
 	// 由记忆系统本身决定。为 nil 时全部媒体接线静默跳过。
 	mediaStore *media.Store
-	// mediaDescribe 控制是否跑后台描述循环（要消耗视觉模型配额）。
-	mediaDescribe bool
 
 	// 人格设定
 	personality *agentPkg.Personality
@@ -182,7 +180,6 @@ type AgentConfig struct {
 	SocialStore        *social.SocialStore
 	TextMemory         *text.Memory
 	MediaStore         *media.Store
-	MediaDescribe      bool
 	MultimodalSpace    vector.MultimodalEmbedder
 	FusionCfg          CrossModalFusionConfig // 跨模态融合权重；零值用默认
 	Personality        *agentPkg.Personality
@@ -271,7 +268,6 @@ func New(cfg AgentConfig) *Agent {
 		social:          cfg.SocialStore,
 		textMem:         cfg.TextMemory,
 		mediaStore:      cfg.MediaStore,
-		mediaDescribe:   cfg.MediaDescribe,
 		personality:     cfg.Personality,
 		pluginReg:       cfg.PluginReg,
 		pluginDir:       cfg.PluginDir,
@@ -307,8 +303,8 @@ func (a *Agent) Start() {
 	go a.archiveLoop()
 	go a.mergeLoop()
 	go a.reviewLoop()
-	go a.mediaDescribeLoop()
 	a.reembedStaleMedia()
+	a.migrateLegacyGraphMedia()
 	log.Printf("[agent] %s started, waiting for IO interrupts", a.id)
 }
 

internal/agent/core/agent_tools_test.go

@@ -15,14 +15,14 @@ type mockOutputDevice struct {
 	toolFn func(string, map[string]interface{}) (interface{}, error)
 }
 
-func (d *mockOutputDevice) Name() string                          { return d.name }
-func (d *mockOutputDevice) Type() agentIO.DeviceType              { return agentIO.DeviceOutput }
-func (d *mockOutputDevice) Description() string                   { return "mock " + d.name }
-func (d *mockOutputDevice) Tools() []agentIO.ToolDef              { return d.tools }
-func (d *mockOutputDevice) Start() error                          { return nil }
-func (d *mockOutputDevice) Stop() error                           { return nil }
+func (d *mockOutputDevice) Name() string                                 { return d.name }
+func (d *mockOutputDevice) Type() agentIO.DeviceType                     { return agentIO.DeviceOutput }
+func (d *mockOutputDevice) Description() string                          { return "mock " + d.name }
+func (d *mockOutputDevice) Tools() []agentIO.ToolDef                     { return d.tools }
+func (d *mockOutputDevice) Start() error                                 { return nil }
+func (d *mockOutputDevice) Stop() error                                  { return nil }
 func (d *mockOutputDevice) OutputCapabilities() agentIO.OutputCapability { return d.caps }
-func (d *mockOutputDevice) ChannelDef() agentIO.ChannelDef { return agentIO.ChannelDef{} }
+func (d *mockOutputDevice) ChannelDef() agentIO.ChannelDef               { return agentIO.ChannelDef{} }
 func (d *mockOutputDevice) Execute(tool string, args map[string]interface{}) (interface{}, error) {
 	if d.toolFn != nil {
 		return d.toolFn(tool, args)
@@ -67,8 +67,8 @@ func TestExecuteOutputSendTool(t *testing.T) {
 		"type":    "text",
 	}}
 	result := a.executeOutputSendTool(tc)
-	if !strings.Contains(result, "screen") {
-		t.Errorf("unexpected result: %s", result)
+	if result != "ok" {
+		t.Errorf("expected ok, got: %s", result)
 	}
 }
 

internal/agent/core/context.go

@@ -38,6 +38,7 @@ type ContextEvent struct {
 	Blocks   []memory.MemoryBlock `json:"blocks,omitempty"` // 一等记忆块（text/image/video/audio）
 	Vector   vector.Vector        `json:"-"`                // 稀疏词向量（TF-IDF/fastText 空间）
 	DenseVec []float64            `json:"-"`                // 稠密多模态向量（与媒体/文档共享空间）
+	DenseFP  string               `json:"-"`                // DenseVec 所属统一空间指纹（缓存字段，不持久化）
 }
 
 const contextFlushInterval = 5 * time.Second
@@ -196,16 +197,29 @@ func (c *RelevanceContext) channelCleanerForDoc() document.ChannelCleaner {
 
 func (c *RelevanceContext) computeVector(evt *ContextEvent) {
 	text := textForVector(evt, c.toolDefLookup, c.channelDefLookup)
-	if text == "" {
-		return
-	}
 	// 稀疏向量始终计算（TF-IDF/fastText，退化时仍可用）
-	evt.Vector = c.embedder.Vectorize(text)
-	// 稠密向量仅在配置了多模态空间时计算
+	if text != "" {
+		evt.Vector = c.embedder.Vectorize(text)
+	}
+	// 稠密向量：文本向量 ⊕ 本事件持有的一等记忆块媒体向量（同一统一空间）。
+	// 只有媒体的输入（无文本）也要有可比较的坐标，因此不再按 text=="" 提前返回。
 	if c.denseSpace != nil && c.denseSpace.Loaded() {
-		if dv, err := c.denseSpace.VectorizeDense(text); err == nil {
-			evt.DenseVec = dv
+		fp := c.denseSpace.Fingerprint()
+		var parts [][]float64
+		if text != "" {
+			if dv, err := c.denseSpace.VectorizeDense(text); err == nil && len(dv) > 0 {
+				parts = append(parts, dv)
+			}
 		}
+		for _, b := range evt.Blocks {
+			// 只融合同指纹的块向量：另一套坐标系的向量混进来会算出
+			// 两边都不像的方向。
+			if len(b.Vector) > 0 && b.Fingerprint == fp {
+				parts = append(parts, b.Vector)
+			}
+		}
+		evt.DenseVec = vector.FuseVectors(parts...)
+		evt.DenseFP = fp
 	}
 }
 
@@ -312,9 +326,11 @@ func (c *RelevanceContext) Prune(currentInput string, topK int, docStore *docume
 	// 优先使用稠密向量余弦（与媒体/文档共享空间）；退化到稀疏词向量。
 	var queryDense []float64
 	useDense := false
+	queryFP := ""
 	if c.denseSpace != nil && c.denseSpace.Loaded() {
 		if dv, err := c.denseSpace.VectorizeDense(currentInput); err == nil {
 			queryDense = dv
+			queryFP = c.denseSpace.Fingerprint()
 			useDense = true
 		}
 	}
@@ -323,7 +339,9 @@ func (c *RelevanceContext) Prune(currentInput string, topK int, docStore *docume
 	scoredEvents := make([]scoredEvent, len(candidates))
 	for i, evt := range candidates {
 		var score float64
-		if useDense && len(evt.DenseVec) == len(queryDense) {
+		// 只在同一统一空间内比稠密余弦：换了模型/维度后旧事件的向量
+		// 属于另一个坐标系，拿来比会得到无意义的分数。
+		if useDense && evt.DenseFP == queryFP && len(evt.DenseVec) == len(queryDense) {
 			score = vector.DenseCosine(queryDense, evt.DenseVec)
 		} else {
 			score = vector.CosineSimilarity(queryVec, evt.Vector)

internal/agent/core/crossmodal.go

@@ -12,8 +12,8 @@ import (
 
 // CrossModalHit 是跨模态检索融合后的一条候选。
 //
-// 统一的检索单元是记忆块而非 CAS 全库：媒体在 L0/L2/L3 都和文本一样有 owner，
-// 只有仍被某层记忆引用的媒体才可召回。Doc 是 L2 文档块；Media 是该块携带的
+// 统一的检索单元是记忆块而非 CAS 全库：媒体在 L0/L2/L3 都由层容器持有，
+// 只有仍被某层记忆块持有的媒体才可召回。Doc 是 L2 文档；Media 是该块携带的
 // 原生媒体坐标。两路分数尺度不同，融合前各自归一化，见 fuseCrossModal。
 type CrossModalHit struct {
 	Doc        *document.Doc // 文本路命中的文档；视觉路命中时为 nil
@@ -67,10 +67,10 @@ func (c CrossModalFusionConfig) minMaxEps() float64 {
 // retrieveCrossModal 是跨模态并行检索的统一入口。
 //
 // 策略（两路并行，召回真正最相似的）：
-//  1. 文本路：query 整段文本用现有方法（fastText/TF-IDF 稀疏 cosine）查文档层，
-//     每个命中文档再反查其关联媒体（docMediaContext）——描述文本命中即媒体命中。
-//  2. 视觉路：query 整段文本经多模态模型文本编码 → 与媒体库全部图像坐标比余弦
-//     （QueryMediaScored），覆盖描述文本没写到的视觉内容。
+//  1. 文本路：query 整段文本编码后查文档层（Doc.DenseVec 已融合其块的媒体向量），
+//     命中文档若持有媒体块，直接带上该块。
+//  2. 视觉路：query 经多模态模型文本编码 → 与媒体块向量比余弦
+//     （QueryMediaScored），覆盖文本向量没写到的视觉内容。
 //  3. 融合：两条路候选各自 min-max 归一化到 [0,1]，加权求和后降序，取 topK。
 //     同一媒体被两路同时命中视为双信号确认，额外加权。
 //
@@ -90,8 +90,7 @@ func (a *Agent) retrieveCrossModal(query string, topK int, cfg CrossModalFusionC
 	if a.docStore != nil {
 		for _, dh := range a.docStore.QueryScored(query, per) {
 			hit := CrossModalHit{Doc: dh.Doc, DocScore: dh.Score}
-			// 命中文档若持有一等记忆块，把首个媒体块一并带上：
-			// 描述文本命中 → 该媒体就是相关记忆，供后续展示/注入。
+			// 命中文档若持有一等记忆块，把首个媒体块一并带上。
 			if a.mediaStore != nil && len(dh.Doc.Blocks) > 0 {
 				if it, err := a.mediaStore.Stat(dh.Doc.Blocks[0].PayloadDigest); err == nil {
 					hit.Media = it
@@ -110,7 +109,13 @@ func (a *Agent) retrieveCrossModal(query string, topK int, cfg CrossModalFusionC
 		} else if mh, err := a.mediaStore.QueryMediaScored(qv, a.multimodalSpace.Fingerprint(), per); err != nil {
 			log.Printf("[crossmodal] 媒体记忆检索失败: %v", err)
 		} else {
+			// 只有仍被某层记忆块持有的媒体才可召回：CAS 是全库字节存储，
+			// 直接拿它的检索结果会把已无处可归的内容也从记忆里翻出来。
+			held := a.heldMediaDigests()
 			for _, h := range mh {
+				if h.Item == nil || !held[h.Item.Digest] {
+					continue
+				}
 				visualHits = append(visualHits, CrossModalHit{
 					Media: h.Item, MediaScore: h.Score,
 				})
@@ -228,8 +233,7 @@ func fuseCrossModal(textHits, visualHits []CrossModalHit, topK int, cfg CrossMod
 }
 
 // crossModalMarkdown 把融合候选渲染成注入上下文的文本。
-// 文档行对齐既有【相关记忆文档】格式；媒体行复用 mediaMarkerLine 的
-// `[<mime> <短digest>] <描述>` 格式（那是解析回媒体引用的唯一合法格式）。
+// 文档行给出摘要；媒体行只给 MIME + 短 digest（不再有生成的描述）。
 func (a *Agent) crossModalMarkdown(hits []CrossModalHit) string {
 	if len(hits) == 0 {
 		return ""
@@ -253,7 +257,7 @@ func (a *Agent) crossModalMarkdown(hits []CrossModalHit) string {
 			}
 		}
 		if h.Media != nil {
-			if line := a.mediaMarkerLine(h.Media.Digest); line != "" {
+			if line := mediaLabel(h.Media); line != "" {
 				parts = append(parts, line)
 			}
 		}

internal/agent/core/distill.go

@@ -204,8 +204,15 @@ func (a *Agent) archiveColdDocs() {
 			}
 			log.Printf("[agent] doc→graph: %s → %d entities, %d relations, %d blocks", doc.ID, ec, rc, blocks)
 
-			// 文档的一等记忆块已随句子写进 L3（身份不变，由 bindSentenceBlocks
-			// 复用 doc.Blocks 的 ID）；块不再挂在文档上，删除文档即完成迁移。
+			// 文档持有的一等块写入 L3，并以 document --contains--> block 边关联；
+			// 块 ID 原样保留（迁移而非重建）。块迁走后删除文档即完成迁移。
+			if len(doc.Blocks) > 0 {
+				if bound := a.linkBlocksToDocument(doc.ID, doc.Blocks); bound != len(doc.Blocks) {
+					log.Printf("[agent] doc→graph: %s 块迁移不完整 (%d/%d)，保留文档待下轮重试",
+						doc.ID, bound, len(doc.Blocks))
+					continue
+				}
+			}
 			a.docStore.Remove(doc.ID)
 		}
 	}
@@ -430,14 +437,9 @@ func docToTriples(doc *document.Doc, embedder nlp.Vectorizer) []memory.Triple {
 		})
 	}
 
-	// 媒体三元组：确定性产出，先于 NLP 提取。
-	//
-	// 媒体入 L3 曾完全依赖提取器碰巧从描述文本里提出合规三元组——实测
-	// LLM 的 477 字图片描述只产出「水平 -分割-> 成」这类语法碎片，
-	// obj 仅 1 字被 validEntityName 拒掉，整条媒体记忆就进不了图库
-	//（阶段性表现是"时好时坏"，取决于提取器运气）。媒体自身的
-	// digest / mime / 描述都是确定的，直接建三元组而不经提取器。
-	triples = append(triples, mediaTriplesFromText(doc.Content)...)
+	// 媒体不再参与三元组：它作为一等块由 linkBlocksToDocument
+	// 写入 L3 并以 document --contains--> block 边关联，
+	// 不经过文本描述与 NLP 提取器。
 
 	// NLP 通用提取
 	e := nlp.NewExtractor(nil)

internal/agent/core/eventloop.go

@@ -437,9 +437,6 @@ func (a *Agent) processInput(evt *agentIO.InputEvent) {
 		ToolResults: toolResults,
 	}
 	a.bindEventMedia(&turnEvt, a.drainMediaDigests())
-	if s := a.mediaSummaryForEvent(turnEvt.Blocks); s != "" {
-		turnEvt.Input = turnEvt.Input + "\n" + s
-	}
 	a.context.Append(turnEvt)
 
 	a.emitResponse(evt, response)

internal/agent/core/graphmedia.go

@@ -3,321 +3,146 @@ package core
 import (
 	"fmt"
 	"log"
-	"regexp"
 	"strconv"
 	"strings"
 
 	"gitcode.com/JianFeeeee/HomeAgent/internal/memory"
+	"gitcode.com/JianFeeeee/HomeAgent/internal/memory/document"
 )
 
 // L3 图库的媒体绑定。
 //
-// 媒体在 L3 是一等记忆块（memory_blocks），通过 sentence --contains--> block
-// 结构边与承载它的句子相连。不再用 media_refs / owner 账本保活。
+// 媒体在 L3 是一等记忆块（memory_blocks），以结构边与承载它的节点相连：
+//   sentence --contains--> block（对话/三元组产生的记忆）
+//   document --contains--> block（L2 文档归档进 L3）
 //
-// 图库里的实体与关系仍来自描述文本的 NLP 提取；媒体块只是补上
-// 「这条记忆当时带着哪份媒体」这一结构信息。
+// 这里不再有任何 marker 文本、正则反解或"描述文本当索引"的路径：
+// 媒体只按自己的统一空间向量被检索，图库/文档只记录它的结构归属。
 
-// mediaDigestPattern 匹配事件摘要里的媒体标记 [<mime或kind> <短digest>]。
+// migrateLegacyGraphMedia 把 marker 反解出来的旧媒体实体迁移成原生一等块。
 //
-// 与 mediaSummaryForEvent 的输出格式对应。短 digest 是 12 位十六进制
-// （shortDigest 的截断长度），这里放宽到 8-64 位以容忍将来调整截断长度，
-// 以及有人手写了完整 digest 的情况。
-var mediaDigestPattern = regexp.MustCompile(`\[[^\[\]]*?\b([0-9a-f]{8,64})\]`)
-
-// mediaMarkerPattern 完整拆解一条媒体标记及其后跟的描述，
-// 捕获组依次为：标签（mime 或 kind）、短 digest、该行剩余的描述文本。
-//
-// 与 mediaSummaryForEvent 的输出格式严格对应：
-//
-//	[image/png a1b2c3d4e5f6] 一张紫蓝红三色带图
-//
-// 描述取到行尾而非贪婪到底：一条事件可能挂多个媒体，各占一行。
-var mediaMarkerPattern = regexp.MustCompile(`\[([^\[\]\s]+)\s+([0-9a-f]{8,64})\]([^\n]*)`)
-
-// mediaMarker 是从文档正文里解析出的一条媒体标记。
-type mediaMarker struct {
-	label       string // mime 或 kind，如 image/png
-	shortDigest string
-	description string
-	raw         string // 原始整段，用作三元组的 SentenceText
-}
-
-// parseMediaMarkers 从文本里解析全部媒体标记。
-//
-// 为何需要它而不只是 extractMediaDigests：媒体入 L3 曾完全依赖 NLP 提取器
-// 碰巧从描述文本里提出合规三元组——实测 LLM 的 477 字图片描述只产出
-// 「水平 -分割-> 成」这种语法碎片，obj 仅 1 字被 validEntityName 拒掉，
-// 于是整条媒体记忆进不了图库。而媒体自身的信息（digest / mime / 描述）
-// 是确定的，不该受提取器运气支配。
-func parseMediaMarkers(text string) []mediaMarker {
-	if text == "" {
-		return nil
+// 旧数据里媒体是 type=Media 的普通实体（「图片 a1b2c3d4e5f6」），
+// 靠生成的描述文本当索引。迁移后它变成真正的记忆块，以
+// sentence --contains--> block 结构边挂回原句子，旧实体与描述关系删除。
+// 迁移幂等（实体处理完即删除），因此在每个 Agent 启动时跑一次是安全的。
+func (a *Agent) migrateLegacyGraphMedia() {
+	if a.memory == nil || a.mediaStore == nil {
+		return
 	}
-	ms := mediaMarkerPattern.FindAllStringSubmatch(text, -1)
-	if len(ms) == 0 {
-		return nil
-	}
-	seen := make(map[string]bool, len(ms))
-	var out []mediaMarker
-	for _, m := range ms {
-		d := m[2]
-		if seen[d] {
-			continue
+	blocks, entities, err := a.memory.MigrateLegacyMediaEntities(func(short string) (memory.MemoryBlock, bool) {
+		full, err := a.mediaStore.ResolvePrefix(short)
+		if err != nil {
+			return memory.MemoryBlock{}, false
 		}
-		seen[d] = true
-		out = append(out, mediaMarker{
-			label:       m[1],
-			shortDigest: d,
-			description: strings.TrimSpace(m[3]),
-			raw:         strings.TrimSpace(m[0]),
-		})
+		return a.blockFromDigest(full)
+	})
+	if err != nil {
+		log.Printf("[media] 旧媒体实体迁移失败（下轮重试）: %v", err)
+		return
+	}
+	if blocks > 0 || entities > 0 {
+		log.Printf("[media] 旧媒体实体迁移完成: 新建 %d 个原生块，删除 %d 个描述式实体", blocks, entities)
 	}
-	return out
 }
 
-// mediaEntityName 是媒体在图库里的实体名。
-//
-// 形如「图片 a1b2c3d4e5f6」。刻意用 digest 而非描述文本构成名字：
-// 描述会被重新生成（换视觉模型、补描述），若名字取自描述，同一张图
-// 就会在图谱上留下多个节点。digest 不变则名字不变。
-// 长度也天然合规（validEntityName 要求 2–50 字符）。
-func mediaEntityName(label, shortDigest string) string {
-	kind := "媒体"
-	switch {
-	case strings.HasPrefix(label, "image"):
-		kind = "图片"
-	case strings.HasPrefix(label, "audio"):
-		kind = "音频"
-	case strings.HasPrefix(label, "video"):
-		kind = "视频"
-	}
-	return kind + " " + shortDigest
-}
-
-// mediaTriplesFromText 为文本里的每条媒体标记产出确定的三元组。
-//
-// 这是媒体进 L3 的可靠路径：不经过 NLP 提取器，因此不受它对描述性文本
-// 提取能力的影响。每条媒体至少产出一条「<媒体实体> -内容-> <描述摘要>」，
-// 且 SentenceText 用原始标记段，保证 bindSentenceMedia 的正则必然能
-// 反解到 digest——绑定从概率事件变成确定行为。
-//
-// 描述摘要截到 40 字：validEntityName 上限 50 字符，留出余量；
-// 图谱节点名过长会让可视化和实体合并都难以处理，完整描述留在
-// SentenceText 与 media 表里。
-func mediaTriplesFromText(text string) []memory.Triple {
-	markers := parseMediaMarkers(text)
-	if len(markers) == 0 {
-		return nil
-	}
-	var out []memory.Triple
-	for _, m := range markers {
-		name := mediaEntityName(m.label, m.shortDigest)
-
-		// 类型三元组恒可产出，不依赖描述是否存在
-		out = append(out, memory.Triple{
-			Subject:      name,
-			SubjectType:  "Media",
-			Relation:     "类型",
-			Object:       m.label,
-			ObjectType:   "MimeType",
-			Confidence:   1.0,
-			SentenceText: m.raw,
-		})
-
-		desc := summarizeForEntity(m.description, 40)
-		if desc == "" {
-			continue
-		}
-		out = append(out, memory.Triple{
-			Subject:      name,
-			SubjectType:  "Media",
-			Relation:     "内容",
-			Object:       desc,
-			ObjectType:   "Description",
-			Confidence:   1.0,
-			SentenceText: m.raw,
-		})
-	}
-	return out
-}
-
-// summarizeForEntity 把描述压成可作实体名的短串。
-//
-// 取首个句子边界之前的内容，再按 rune 截断——直接按字节截会切坏 UTF-8，
-// 图库里就会出现乱码实体名。空白与 Markdown 强调符号一并清掉，
-// 否则「**整体构成**」这类标记会进实体名。
-func summarizeForEntity(s string, maxRunes int) string {
-	s = strings.TrimSpace(s)
-	if s == "" {
-		return ""
-	}
-	s = strings.NewReplacer("**", "", "*", "", "\n", " ", "\t", " ").Replace(s)
-	for _, sep := range []string{"。", "；", "，", ". ", "; "} {
-		if i := strings.Index(s, sep); i > 0 {
-			s = s[:i]
-			break
-		}
-	}
-	s = strings.TrimSpace(s)
-	r := []rune(s)
-	if len(r) > maxRunes {
-		r = r[:maxRunes]
-	}
-	out := strings.TrimSpace(string(r))
-	// 太短的残片（如单字）过不了 validEntityName，直接放弃比写进去更好
-	if len([]rune(out)) < 2 {
-		return ""
-	}
-	return out
-}
-
-// extractMediaDigests 从文本里找出所有媒体标记的 digest。
-//
-// 为何靠正则从文本反解，而不是让三元组结构携带 digest：三元组是 NLP
-// 提取器从纯文本产出的（nlp.ToMemoryTriple 只填 Subject/Relation/Object/
-// Confidence/SentenceText），提取链路上没有任何位置能塞进结构化的 digest。
-// 若要贯通就得改 internal/nlp 的整条数据流——而媒体标记本身就是我们
-// 自己按固定格式写进文本的，反解是这里最省的可靠做法。
-func extractMediaDigests(text string) []string {
-	if text == "" {
-		return nil
-	}
-	matches := mediaDigestPattern.FindAllStringSubmatch(text, -1)
-	if len(matches) == 0 {
-		return nil
-	}
-	seen := make(map[string]bool, len(matches))
-	var out []string
-	for _, m := range matches {
-		d := m[1]
-		if seen[d] {
-			continue
-		}
-		seen[d] = true
-		out = append(out, d)
-	}
-	return out
-}
-
-// bindSentenceBlocks 把句子文本里提到的媒体变成 L3 的一等记忆块，
-// 并建立 sentence --contains--> block 结构边。
-//
-// seed 是本批文档已持有的一等块：迁移时按 digest 复用它们的身份（ID 不变），
-// 真正做到“同一个块从 L2 移到 L3”，而不是另建一个同内容的新块。
-// 返回本次写入 L3 的块数。
-func (a *Agent) bindSentenceBlocks(sentenceIDs map[string]int64, seed []memory.MemoryBlock) int {
-	if a.mediaStore == nil || a.memory == nil || len(sentenceIDs) == 0 {
+// attachBlocksToSentence 把一组 digest 变成 L3 一等块并挂到句子上。
+// seed 允许复用已持有块的 ID（L2→L3 迁移保持块身份不变）。
+func (a *Agent) attachBlocksToSentence(sentenceID int64, digests []string, seed map[string]memory.MemoryBlock) int {
+	if a.mediaStore == nil || a.memory == nil || sentenceID == 0 {
 		return 0
 	}
+	bound := 0
+	for _, d := range digests {
+		full, err := a.mediaStore.ResolvePrefix(d)
+		if err != nil {
+			log.Printf("[media] digest %s 无法解析: %v", d, err)
+			continue
+		}
+		b, ok := seed[full]
+		if !ok {
+			if b, ok = a.blockFromDigest(full); !ok {
+				continue
+			}
+		}
+		if err := a.memory.PutMemoryBlocks([]memory.MemoryBlock{b}); err != nil {
+			log.Printf("[media] L3 块写入失败 (%s): %v", shortDigest(full), err)
+			continue
+		}
+		if err := a.memory.AddMemoryBlockEdge("sentence", strconv.FormatInt(sentenceID, 10), "block", b.ID, "contains"); err != nil {
+			log.Printf("[media] 句子→块边建立失败 (%s): %v", shortDigest(full), err)
+			continue
+		}
+		bound++
+	}
+	return bound
+}
+
+// linkBlocksToDocument 把文档持有的块写入 L3，并建立
+// document --contains--> block 边。块的 ID 原样保留（迁移而非重建）。
+func (a *Agent) linkBlocksToDocument(docID string, blocks []memory.MemoryBlock) int {
+	if a.memory == nil || docID == "" || len(blocks) == 0 {
+		return 0
+	}
+	if err := a.memory.PutDocumentNode(docID, ""); err != nil {
+		log.Printf("[media] 写入 L3 文档节点失败 (%s): %v", docID, err)
+		return 0
+	}
+	if err := a.memory.PutMemoryBlocks(blocks); err != nil {
+		log.Printf("[media] 写入 L3 记忆块失败 (doc %s): %v", docID, err)
+		return 0
+	}
+	bound := 0
+	for _, b := range blocks {
+		if err := a.memory.AddMemoryBlockEdge("document", docID, "block", b.ID, "contains"); err != nil {
+			log.Printf("[media] 文档→块边建立失败 (%s): %v", shortDigest(b.PayloadDigest), err)
+			continue
+		}
+		bound++
+	}
+	return bound
+}
+
+// commitTriplesWithMedia 提交三元组并把三元组显式携带的媒体变成 L3 一等块。
+//
+// seed 是调用方已持有的一等块（如 L2 文档的 Blocks），用于保持块身份；
+// 普通对话路径传 nil。blocks 是本次写入 L3 的块数。
+func (a *Agent) commitTriplesWithMedia(triples []memory.Triple, sessionID string, turnID int, seed []memory.MemoryBlock) (entities, relations, blocks int, err error) {
+	if a.memory == nil {
+		return 0, 0, 0, fmt.Errorf("graph memory 未启用")
+	}
+	if a.mediaStore == nil {
+		ec, rc, cErr := a.memory.Commit(triples, sessionID, turnID)
+		return ec, rc, 0, cErr
+	}
+	sentenceIDs, ec, rc, err := a.memory.CommitWithMedia(triples, sessionID, turnID)
+	if err != nil {
+		return ec, rc, 0, err
+	}
 	byDigest := make(map[string]memory.MemoryBlock, len(seed))
 	for _, b := range seed {
 		if b.PayloadDigest != "" {
 			byDigest[b.PayloadDigest] = b
 		}
 	}
-
-	bound := 0
-	for text, sid := range sentenceIDs {
+	for _, t := range triples {
+		if len(t.MediaDigests) == 0 {
+			continue
+		}
+		sid := sentenceIDs[t.SentenceText]
 		if sid == 0 {
 			continue
 		}
-		for _, short := range extractMediaDigests(text) {
-			full, err := a.mediaStore.ResolvePrefix(short)
-			if err != nil {
-				continue
-			}
-			b, ok := byDigest[full]
-			if !ok {
-				if b, ok = a.blockFromDigest(full); !ok {
-					continue
-				}
-			}
-			if err := a.memory.PutMemoryBlocks([]memory.MemoryBlock{b}); err != nil {
-				log.Printf("[media] L3 记忆块写入失败 (%s): %v", shortDigest(full), err)
-				continue
-			}
-			if err := a.memory.AddMemoryBlockEdge("sentence", strconv.FormatInt(sid, 10), "block", b.ID, "contains"); err != nil {
-				log.Printf("[media] 句子→块边建立失败 (%s): %v", shortDigest(full), err)
-				continue
-			}
-			bound++
-		}
+		blocks += a.attachBlocksToSentence(sid, t.MediaDigests, byDigest)
 	}
-	if bound > 0 {
-		log.Printf("[media] L3 图库写入 %d 个一等记忆块", bound)
-	}
-	return bound
+	return ec, rc, blocks, nil
 }
 
-// sentenceWithMediaMarkers 保证句子文本里带上这些 digest 的媒体标记。
-//
-// 存在的理由：L3 的块边由句子正文里的短 digest 反解而来。模型只知道
-// digest（从 memory_recall 的「关联媒体」或对话里的媒体标记读到），
-// 不该要求它自己按内核格式拼标记——格式写错的后果是块边静默建不起来。
-//
-// 已出现过的 digest 不重复追加：模型可能既写了标记又填了 media_digests。
-func (a *Agent) sentenceWithMediaMarkers(sentence string, digests []string) string {
-	if a.mediaStore == nil || len(digests) == 0 {
-		return sentence
+// RecallBlocksForSentence 反查某条图库句子持有的一等记忆块。
+func (a *Agent) RecallBlocksForSentence(sentenceID int64) ([]memory.MemoryBlock, error) {
+	if a.memory == nil {
+		return nil, nil
 	}
-	present := make(map[string]bool)
-	for _, d := range extractMediaDigests(sentence) {
-		present[d] = true
-	}
-
-	var add []string
-	for _, d := range digests {
-		if d == "" || present[shortDigest(d)] {
-			continue
-		}
-		// 模型给的多半是短 digest（它在上下文里看到的就是短的），补全成完整
-		// digest 才能定位内容。补不上就跳过：内容可能已被删除。
-		full, err := a.mediaStore.ResolvePrefix(d)
-		if err != nil {
-			log.Printf("[media] 模型提交的 digest %s 无法解析: %v", d, err)
-			continue
-		}
-		if line := a.mediaMarkerLine(full); line != "" {
-			add = append(add, line)
-			present[shortDigest(full)] = true
-		}
-	}
-	if len(add) == 0 {
-		return sentence
-	}
-	if sentence == "" {
-		return strings.Join(add, "\n")
-	}
-	return sentence + "\n" + strings.Join(add, "\n")
-}
-
-// docMediaContext 为一篇文档产出媒体说明，供 doc_query 拼进工具返回值。
-//
-// 文档的一等记忆块随文档 JSON 持久化；这里只有正文，因此从正文标记反解。
-func (a *Agent) docMediaContext(docID, content string) string {
-	if a.mediaStore == nil {
-		return ""
-	}
-	// 文档的一等记忆块随文档 JSON 持久化；这里只有正文，退回解析标记。
-	var digests []string
-	for _, short := range extractMediaDigests(content) {
-		full, err := a.mediaStore.ResolvePrefix(short)
-		if err != nil {
-			continue
-		}
-		digests = append(digests, full)
-	}
-	var lines []string
-	for _, d := range digests {
-		if line := a.mediaMarkerLine(d); line != "" {
-			lines = append(lines, line)
-		}
-	}
-	if len(lines) == 0 {
-		return ""
-	}
-	return strings.Join(lines, "；")
+	return a.memory.BlocksForNode("sentence", strconv.FormatInt(sentenceID, 10))
 }
 
 // resolveMediaDigests 把模型给的（多为短）digest 补全成完整 digest。
@@ -344,38 +169,6 @@ func (a *Agent) resolveMediaDigests(digests []string) []string {
 	return out
 }
 
-// bindDocMedia 把一组完整 digest 挂到文档 owner 上，返回成功条数。
-//
-// commitTriplesWithMedia 提交三元组并把句子里的媒体变成 L3 一等块。
-//
-// seed 是调用方已持有的一等块（如 L2 文档的 Blocks），用于保持块身份；
-// 普通对话路径传 nil。blocks 是本次写入 L3 的块数。
-func (a *Agent) commitTriplesWithMedia(triples []memory.Triple, sessionID string, turnID int, seed []memory.MemoryBlock) (entities, relations, blocks int, err error) {
-	if a.memory == nil {
-		return 0, 0, 0, fmt.Errorf("graph memory 未启用")
-	}
-	// 媒体存储关闭时退回普通 Commit，省掉 sentenceIDs 的 map 分配。
-	if a.mediaStore == nil {
-		ec, rc, cErr := a.memory.Commit(triples, sessionID, turnID)
-		return ec, rc, 0, cErr
-	}
-	sentenceIDs, ec, rc, err := a.memory.CommitWithMedia(triples, sessionID, turnID)
-	if err != nil {
-		return ec, rc, 0, err
-	}
-	return ec, rc, a.bindSentenceBlocks(sentenceIDs, seed), nil
-}
-
-// RecallBlocksForSentence 反查某条图库句子持有的一等记忆块。
-//
-// 这是整层的目的：几个月后从图谱走到一条句子，要能取回当时那份媒体。
-func (a *Agent) RecallBlocksForSentence(sentenceID int64) ([]memory.MemoryBlock, error) {
-	if a.memory == nil {
-		return nil, nil
-	}
-	return a.memory.BlocksForNode("sentence", strconv.FormatInt(sentenceID, 10))
-}
-
 // sentenceIDsFromRelations 收集一批关系引用的句子 id（去重、去零）。
 //
 // 关系行本身不持有媒体，媒体作为一等块以 sentence --contains--> block
@@ -397,21 +190,14 @@ func sentenceIDsFromRelations(relations []memory.Relation) []int64 {
 }
 
 // mediaContextForRelations 是 mediaContextForSentences 的关系入口。
-//
-// 单独包一层是因为两个调用点（自动注入的 buildMemoryContext 与显式的
-// memory_recall 工具）拿到的都是关系列表，不该各自重复"关系→句子"这步。
 func (a *Agent) mediaContextForRelations(relations []memory.Relation) string {
 	return a.mediaContextForSentences(sentenceIDsFromRelations(relations))
 }
 
 // mediaContextForInjectedEntities 为自动注入路径产出媒体说明。
 //
-// 单独一条路径是因为 Indexer.BuildContext 刻意不返回关系
-// （Relations 恒为 nil，只给实体索引以省 token，细节留给 memory_recall）。
-// 于是自动注入拿不到 sentence_id，必须用命中的实体名再查一次关系。
-//
-// 这次额外查询只为取 sentence_id，深度固定 1：媒体是"这条记忆当时带的图"，
-// 不需要顺着关系network 扩散——扩散只会带出无关媒体并挤占 token。
+// Indexer.BuildContext 刻意不返回关系（只给实体索引以省 token），
+// 因此这里用命中的实体名再查一次关系，只为拿到 sentence_id。
 func (a *Agent) mediaContextForInjectedEntities(injected *memory.InjectedContext) string {
 	if a.mediaStore == nil || a.memory == nil || injected == nil || len(injected.Entities) == 0 {
 		return ""
@@ -427,13 +213,30 @@ func (a *Agent) mediaContextForInjectedEntities(injected *memory.InjectedContext
 	return a.mediaContextForRelations(res.Relations)
 }
 
-// mediaContextForSentences 给一组句子附上媒体说明，供召回时拼进提示词。
+// blockLabelsForDoc 渲染文档持有块的标签（MIME + 短 digest），供 doc_query 展示。
+func (a *Agent) blockLabelsForDoc(d *document.Doc) string {
+	if a.mediaStore == nil || d == nil || len(d.Blocks) == 0 {
+		return ""
+	}
+	var parts []string
+	for _, b := range d.Blocks {
+		it, err := a.mediaStore.Stat(b.PayloadDigest)
+		if err != nil || it == nil {
+			continue
+		}
+		if line := mediaLabel(it); line != "" {
+			parts = append(parts, line)
+		}
+	}
+	return strings.Join(parts, "；")
+}
+
+// mediaContextForSentences 给一组句子附上其持有的一等块标签。
 //
-// 输出形如「句子 #12 关联媒体：[image/png a1b2c3d4e5f6] 一张紫蓝红三色带图」。
-// 描述文本本就在句子里，这里补的是「内容是否还在、能否重新看图」这个信息——
-// 描述永存而字节可能已被淘汰，两者状态不同。
+// 标签只含 MIME 与短 digest：图片按向量检索，标签的作用是告诉模型
+// "这条记忆当时带着哪份媒体、可用该 digest 取回字节"。
 func (a *Agent) mediaContextForSentences(sentenceIDs []int64) string {
-	if a.memory == nil || len(sentenceIDs) == 0 {
+	if a.mediaStore == nil || a.memory == nil || len(sentenceIDs) == 0 {
 		return ""
 	}
 	var lines []string
@@ -444,7 +247,11 @@ func (a *Agent) mediaContextForSentences(sentenceIDs []int64) string {
 		}
 		var parts []string
 		for _, b := range blocks {
-			if line := a.mediaMarkerLine(b.PayloadDigest); line != "" {
+			it, err := a.mediaStore.Stat(b.PayloadDigest)
+			if err != nil || it == nil {
+				continue
+			}
+			if line := mediaLabel(it); line != "" {
 				parts = append(parts, line)
 			}
 		}

internal/agent/core/graphmedia_test.go

@@ -13,14 +13,18 @@ import (
 	"gitcode.com/JianFeeeee/HomeAgent/internal/memory/media"
 )
 
-// L3 图库媒体引用测试。
+// L3 图库媒体绑定测试。
 //
 // 这一层的目的只有一个：几个月后从图谱走到一条句子，要能取回当时那份媒体。
-// 媒体不再靠 media_refs 挂载，而是作为一等块进入 L3，并以
-// sentence --contains--> block 的结构边与句子相连。
+// 媒体作为一等块进入 L3，以结构边与承载节点相连：
+//
+//	sentence --contains--> block（对话/三元组产生的记忆）
+//	document --contains--> block（L2 文档归档进 L3）
+//
+// 描述文本、marker 反解、由 marker 反推出的「媒体实体」全部已废弃，
+// 因此这些测试也不存在任何按描述检索的断言。
 
-// attachBlockToSentence 提交一条句子，把媒体变成 L3 一等块，并以
-// sentence --contains--> block 相连，返回句子 id 与块。
+// attachBlockToSentence 提交一条句子并把媒体变成 L3 一等块。
 // 必须走真实提交：边要求两端都是真实图节点。
 func attachBlockToSentence(t *testing.T, g *memory.GraphDB, ms *media.Store, sentenceText, digest string) (int64, memory.MemoryBlock) {
 	t.Helper()
@@ -77,41 +81,10 @@ func newGraphMediaAgent(t *testing.T) (*Agent, *memory.GraphDB, *media.Store) {
 	return &Agent{memory: g, mediaStore: ms}, g, ms
 }
 
-func TestExtractMediaDigests(t *testing.T) {
-	// 与 mediaSummaryForEvent 的输出格式对应
-	cases := []struct {
-		name string
-		text string
-		want []string
-	}{
-		{"事件摘要格式", "媒体内容：\n[image/png a1b2c3d4e5f6] 一张紫蓝红三色带图", []string{"a1b2c3d4e5f6"}},
-		{"kind 兜底格式", "[image abcdef0123456789] (未描述)", []string{"abcdef0123456789"}},
-		{"一句多个", "[image aaaaaaaaaaaa] 图一；[image bbbbbbbbbbbb] 图二", []string{"aaaaaaaaaaaa", "bbbbbbbbbbbb"}},
-		{"去重", "[image cccccccccccc] x [image/png cccccccccccc] y", []string{"cccccccccccc"}},
-		{"无标记", "普通句子，没有媒体", nil},
-		{"空串", "", nil},
-		// 非十六进制、过短的方括号内容不能误命中，否则会拿一个假前缀去 ResolvePrefix
-		{"非 digest 方括号", "[注意] 这是普通标注 [TODO]", nil},
-		{"过短", "[image abc] 太短", nil},
-	}
-
-	for _, c := range cases {
-		got := extractMediaDigests(c.text)
-		if len(got) != len(c.want) {
-			t.Fatalf("%s: 得到 %v，期望 %v", c.name, got, c.want)
-		}
-		for i := range got {
-			if got[i] != c.want[i] {
-				t.Fatalf("%s: 第 %d 个得到 %q，期望 %q", c.name, i, got[i], c.want[i])
-			}
-		}
-	}
-}
-
 func TestCommitWithMedia_ReturnsSentenceIDs(t *testing.T) {
 	_, g, _ := newGraphMediaAgent(t)
 
-	sentence := "[image/png a1b2c3d4e5f6] 一张紫蓝红三色带图"
+	sentence := "这张图是紫蓝红三色带。"
 	triples := []memory.Triple{{
 		Subject: "图片", Relation: "内容", Object: "三色带",
 		SentenceText: sentence,
@@ -164,7 +137,7 @@ func TestCommit_StillWorksAfterRefactor(t *testing.T) {
 	}
 }
 
-func TestBindSentenceMedia_RoundTrip(t *testing.T) {
+func TestCommitTriplesWithMedia_RoundTrip(t *testing.T) {
 	// 整层的核心断言：写入 → 提交 → 反查取回原始字节
 	a, _, ms := newGraphMediaAgent(t)
 
@@ -173,18 +146,20 @@ func TestBindSentenceMedia_RoundTrip(t *testing.T) {
 	if err != nil {
 		t.Fatal(err)
 	}
-	short := shortDigest(digest)
 
-	sentence := "[image/png " + short + "] 一张紫蓝红三色带图"
+	sentence := "用户发来一张紫蓝红三色带图。"
 	triples := []memory.Triple{{
-		Subject: "图片", Relation: "内容", Object: "三色带", SentenceText: sentence,
+		Subject: "图片", Relation: "内容", Object: "三色带",
+		SentenceText: sentence,
+		MediaDigests: []string{digest[:12]}, // 模型手里通常只有短 digest
 	}}
 
-	if _, _, _, err := a.commitTriplesWithMedia(triples, "s1", 0, nil); err != nil {
+	if _, _, bound, err := a.commitTriplesWithMedia(triples, "s1", 0, nil); err != nil {
 		t.Fatal(err)
+	} else if bound != 1 {
+		t.Fatalf("应绑定 1 个块，实际 %d", bound)
 	}
 
-	// 找到句子 id
 	ids, _, _, err := a.memory.CommitWithMedia(triples, "s1", 0)
 	if err != nil {
 		t.Fatal(err)
@@ -216,31 +191,83 @@ func TestBindSentenceMedia_RoundTrip(t *testing.T) {
 	}
 }
 
-func TestBindSentenceMedia_SkipsUnresolvable(t *testing.T) {
-	// 文本里的 digest 在库里不存在时必须跳过，不能建一条指向虚无的块边。
+func TestAttachBlocksToSentence_SkipsUnresolvable(t *testing.T) {
+	// digest 在库里不存在时必须跳过，不能建一条指向虚无的块边。
 	a, g, _ := newGraphMediaAgent(t)
-
-	sentence := "[image/png deadbeefdead] 一张不存在的图"
-	ids := map[string]int64{sentence: 42}
-	a.bindSentenceBlocks(ids, nil)
-
+	if n := a.attachBlocksToSentence(42, []string{"deadbeefdead"}, nil); n != 0 {
+		t.Fatalf("无法补全的 digest 不该建块，实际绑定 %d", n)
+	}
 	blocks, err := g.BlocksForNode("sentence", "42")
 	if err != nil {
 		t.Fatal(err)
 	}
 	if len(blocks) != 0 {
-		t.Fatalf("无法补全的 digest 不该建块，实际 %+v", blocks)
+		t.Fatalf("不该有块，实际 %+v", blocks)
 	}
 }
 
-func TestBindSentenceMedia_NilStoreNoop(t *testing.T) {
+func TestAttachBlocksToSentence_NilStoreNoop(t *testing.T) {
 	a := &Agent{}
-	a.bindSentenceBlocks(map[string]int64{"[image aaaaaaaaaaaa] x": 1}, nil)
+	if n := a.attachBlocksToSentence(1, []string{"aaaaaaaaaaaa"}, nil); n != 0 {
+		t.Fatalf("媒体关闭时应静默无操作，实际 %d", n)
+	}
 	if got, err := a.RecallBlocksForSentence(1); err != nil || got != nil {
 		t.Fatalf("媒体关闭时应静默无操作，实际 %v / %v", got, err)
 	}
 }
 
+func TestAttachBlocksToSentence_ReusesSeedIdentity(t *testing.T) {
+	// L2→L3 迁移必须保持块身份：同一个块换层，而不是另建一个同内容的新块。
+	a, g, ms := newGraphMediaAgent(t)
+	digest, _ := ms.Put([]byte("seed-img"), media.Item{MIME: "image/png"})
+	seedBlock, ok := a.blockFromDigest(digest)
+	if !ok {
+		t.Fatal("blockFromDigest 失败")
+	}
+
+	ids, _, _, err := g.CommitWithMedia([]memory.Triple{{
+		Subject: "迁移", Relation: "包含", Object: "媒体", SentenceText: "迁移测试句。",
+	}}, "seed", 0)
+	if err != nil {
+		t.Fatal(err)
+	}
+	sid := ids["迁移测试句。"]
+
+	byDigest := map[string]memory.MemoryBlock{digest: seedBlock}
+	if n := a.attachBlocksToSentence(sid, []string{digest}, byDigest); n != 1 {
+		t.Fatalf("应绑定 1 个块，实际 %d", n)
+	}
+	blocks, err := g.BlocksForNode("sentence", strconv.FormatInt(sid, 10))
+	if err != nil {
+		t.Fatal(err)
+	}
+	if len(blocks) != 1 || blocks[0].ID != seedBlock.ID {
+		t.Fatalf("块身份应保持为 %s，实际 %+v", seedBlock.ID, blocks)
+	}
+}
+
+func TestLinkBlocksToDocument_CreatesDocumentNodeEdge(t *testing.T) {
+	// 文档归档进 L3：块原样迁入，document --contains--> block 边建立。
+	a, g, ms := newGraphMediaAgent(t)
+
+	digest, _ := ms.Put([]byte("doc-img"), media.Item{MIME: "image/png"})
+	b, ok := a.blockFromDigest(digest)
+	if !ok {
+		t.Fatal("blockFromDigest 失败")
+	}
+
+	if n := a.linkBlocksToDocument("doc_42", []memory.MemoryBlock{b}); n != 1 {
+		t.Fatalf("应建立 1 条文档→块边，实际 %d", n)
+	}
+	blocks, err := g.BlocksForNode("document", "doc_42")
+	if err != nil {
+		t.Fatal(err)
+	}
+	if len(blocks) != 1 || blocks[0].ID != b.ID {
+		t.Fatalf("文档应持有块 %s，实际 %+v", b.ID, blocks)
+	}
+}
+
 func TestCommitTriplesWithMedia_FallsBackWithoutStore(t *testing.T) {
 	// 媒体关闭时退回普通 Commit，行为与直接调 Commit 完全一致
 	dir := t.TempDir()
@@ -262,73 +289,105 @@ func TestCommitTriplesWithMedia_FallsBackWithoutStore(t *testing.T) {
 	}
 }
 
-func TestMediaBlocksHeldByDocumentSurviveGC(t *testing.T) {
-	// 文档持有的一等块把内容钉住；文档被删后块随之消失，内容才可回收。
-	a, g, ms := newGraphMediaAgent(t)
-	_ = a
-
-	digest, err := ms.Put([]byte("doc image"), media.Item{MIME: "image/png"})
-	if err != nil {
-		t.Fatal(err)
-	}
-	dir := t.TempDir()
-	ds := document.NewStore(filepath.Join(dir, "docs"), memory.TokenizeWords)
-	if err := ds.Start(); err != nil {
-		t.Fatal(err)
-	}
-	defer ds.Stop()
-
-	it, _ := ms.Stat(digest)
-	doc := &document.Doc{
-		ID: "doc_1", Summary: "带图的文档", Content: "正文",
-		Blocks: []memory.MemoryBlock{{ID: "blk_doc_1", Modality: memory.BlockImage,
-			PayloadDigest: it.Digest, MIME: it.MIME, Size: it.Size}},
-	}
-	if err := ds.Insert(doc); err != nil {
-		t.Fatal(err)
-	}
-	_ = g
-
-	// 文档仍持有块 → 内容在
-	if _, err := ms.Stat(digest); err != nil {
-		t.Fatal("有文档块持有内容时不该被清")
-	}
-
-	// 删除文档 → 一并删除其内容（与文本块一致：删块即删内容）
-	ds.Remove(doc.ID)
-	if blocks := ds.Blocks(); len(blocks) != 0 {
-		t.Fatalf("删除文档后不该还有块，实际 %+v", blocks)
-	}
-	if err := ms.Delete(digest); err != nil {
-		t.Fatal(err)
-	}
-	if _, err := ms.Stat(digest); err == nil {
-		t.Fatal("删除后内容应已移除")
-	}
-}
-
 func TestMediaContextForSentences(t *testing.T) {
 	a, g, ms := newGraphMediaAgent(t)
 
 	digest, _ := ms.Put([]byte("img"), media.Item{MIME: "image/png"})
-	if err := ms.Describe(digest, "一张紫蓝红三色带图", "visionllm"); err != nil {
-		t.Fatal(err)
-	}
-	sid, _ := attachBlockToSentence(t, g, ms, "[image/png "+shortDigest(digest)+"] 一张紫蓝红三色带图", digest)
+	sid, _ := attachBlockToSentence(t, g, ms, "一张紫蓝红三色带图。", digest)
 
 	out := a.mediaContextForSentences([]int64{sid, sid + 100})
 	if out == "" {
 		t.Fatal("应产出媒体说明")
 	}
-	if !contains(out, fmt.Sprintf("句子 #%d", sid)) || !contains(out, "一张紫蓝红三色带图") {
+	if !contains(out, fmt.Sprintf("句子 #%d", sid)) || !contains(out, shortDigest(digest)) {
 		t.Fatalf("说明内容不对: %q", out)
 	}
+	// 说明只含 MIME 与短 digest，不含任何生成的描述
+	if contains(out, "紫蓝红") {
+		t.Fatalf("说明里不该有描述文本（描述式索引已废弃）: %q", out)
+	}
 	// 无引用的句子不该出现
 	if contains(out, fmt.Sprintf("句子 #%d", sid+100)) {
 		t.Fatalf("无引用的句子不该出现: %q", out)
 	}
 }
 
+func TestMediaContextForRelations_SurfacesMediaToAgent(t *testing.T) {
+	// L3 检索接线回归：媒体作为一等块进了图库，agent 必须拿得出来。
+	a, g, ms := newGraphMediaAgent(t)
+
+	digest, err := ms.Put([]byte("img bytes"), media.Item{MIME: "image/png"})
+	if err != nil {
+		t.Fatal(err)
+	}
+	sid, _ := attachBlockToSentence(t, g, ms, "一张紫蓝红三色带图。", digest)
+
+	// 命中的关系挂着该句子 → 应产出媒体说明
+	out := a.mediaContextForRelations([]memory.Relation{{ID: 1, SentenceID: sid}})
+	if out == "" {
+		t.Fatal("关系挂着有媒体的句子，却没产出媒体说明——L3 检索接线断了")
+	}
+	if !contains(out, shortDigest(digest)) {
+		t.Errorf("媒体说明里应含短 digest 供反查: %q", out)
+	}
+
+	// 没挂媒体的关系不该产出噪声
+	if out := a.mediaContextForRelations([]memory.Relation{{ID: 2, SentenceID: 99}}); out != "" {
+		t.Errorf("无媒体的句子不该产出说明: %q", out)
+	}
+	if out := a.mediaContextForRelations(nil); out != "" {
+		t.Errorf("空关系不该产出说明: %q", out)
+	}
+}
+
+func TestBuildMemoryContext_IncludesMediaSection(t *testing.T) {
+	// buildMemoryContext 是自动注入路径（每次 LLM 调用都走）。
+	// 媒体说明必须出现在这里，否则 agent 只有显式调 memory_recall 才知道有图。
+	a, graph, ms := newGraphMediaAgent(t)
+
+	digest, err := ms.Put([]byte("auto inject"), media.Item{MIME: "image/png"})
+	if err != nil {
+		t.Fatal(err)
+	}
+
+	sentence := "用户发来的图片。"
+	sids, _, _, err := graph.CommitWithMedia([]memory.Triple{{
+		Subject: "测试图片", Relation: "包含", Object: "三色带", SentenceText: sentence,
+	}}, "auto", 0)
+	if err != nil {
+		t.Fatal(err)
+	}
+	sid := sids[sentence]
+	if sid == 0 {
+		t.Fatal("拿不到句子 id")
+	}
+	if err := graph.PutMemoryBlocks([]memory.MemoryBlock{{
+		ID: "blk_auto_1", Modality: memory.BlockImage,
+		PayloadDigest: digest, MIME: "image/png",
+	}}); err != nil {
+		t.Fatal(err)
+	}
+	if err := graph.AddMemoryBlockEdge("sentence", strconv.FormatInt(sid, 10), "block", "blk_auto_1", "contains"); err != nil {
+		t.Fatal(err)
+	}
+
+	a.indexer = memory.NewIndexer(graph)
+	if err := a.indexer.Sync(); err != nil {
+		t.Fatalf("indexer sync: %v", err)
+	}
+
+	out := a.buildMemoryContext("测试图片", 0)
+	if out == "" {
+		t.Skip("图库召回未命中（indexer 检索策略所致），无法验证媒体段注入")
+	}
+	if !contains(out, "【关联媒体】") {
+		t.Errorf("自动注入的记忆上下文缺少媒体段: %q", out)
+	}
+	if !contains(out, shortDigest(digest)) {
+		t.Errorf("媒体段里应含短 digest: %q", out)
+	}
+}
+
 func TestResolvePrefix(t *testing.T) {
 	dir := t.TempDir()
 	ms, err := media.New(filepath.Join(dir, "m"))
@@ -357,20 +416,17 @@ func TestResolvePrefix(t *testing.T) {
 	if _, err := ms.ResolvePrefix("deadbeefdead"); err == nil {
 		t.Fatal("不存在的前缀应报错")
 	}
-	// 完整但不存在的 digest 也要报错，否则调用方会挂一条孤儿引用
-	fake := ""
-	for i := 0; i < 64; i++ {
-		fake += "0"
-	}
+	// 完整但不存在的 digest 也要报错，否则调用方会挂一条孤儿块
+	fake := strings.Repeat("0", 64)
 	if _, err := ms.ResolvePrefix(fake); err == nil {
 		t.Fatal("不存在的完整 digest 应报错")
 	}
 }
 
 func TestResolvePrefix_AmbiguityIsError(t *testing.T) {
-	// 前缀歧义视为错误而非"取第一个"：挂错引用会让 GC 删掉仍被引用的内容。
+	// 前缀歧义视为错误而非"取第一个"：挂错块会让内容被误删。
 	// 构造歧义需要两个同前缀 digest——sha256 无法人为构造，
-	// 因此这里退而验证「8 位前缀在大量样本下的行为是确定的」：
+	// 因此这里退而验证「12 位前缀在大量样本下的行为是确定的」：
 	// 要么唯一命中，要么明确报歧义，绝不静默取第一个。
 	dir := t.TempDir()
 	ms, err := media.New(filepath.Join(dir, "m"))
@@ -391,7 +447,6 @@ func TestResolvePrefix_AmbiguityIsError(t *testing.T) {
 	for _, d := range digests {
 		got, err := ms.ResolvePrefix(d[:12])
 		if err != nil {
-			// 报歧义是可接受结果；静默取错才是缺陷
 			if !contains(err.Error(), "歧义") {
 				t.Fatalf("非歧义错误: %v", err)
 			}
@@ -405,11 +460,7 @@ func TestResolvePrefix_AmbiguityIsError(t *testing.T) {
 
 func TestArchiveColdDocs_KeepsDocWhenGraphWriteEmpty(t *testing.T) {
 	// 数据丢失回归：三元组全被实体名校验拒绝时（Commit 无错但 0 entities
-	// 0 relations），文档不能删、媒体引用不能释放。
-	//
-	// 该缺陷曾真实发生：LLM 生成的 456 字图片描述提不出合规实体名
-	//（validEntityName 要求 2–50 字符），archiveColdDocs 只检查
-	// len(triples) > 0 就释放引用并删文档 → GC 清掉 blob → 图片与描述全丢。
+	// 0 relations），文档不能删、其持有的块不能丢。
 	a, _, ms := newGraphMediaAgent(t)
 
 	dir := t.TempDir()
@@ -427,25 +478,11 @@ func TestArchiveColdDocs_KeepsDocWhenGraphWriteEmpty(t *testing.T) {
 		t.Fatal(err)
 	}
 
-	// 精确构造「三元组非空 + Commit 全部拒绝」这个状态。
-	//
-	// 用超长 Source 而不是指望 NLP 提取器：docToTriples 在
-	// Source != "context_archived" 时会写一条 {文档 -来源-> Source}，
-	// Source 超过 validEntityName 的 50 字符上限 → Commit 静默跳过
-	// → len(triples)==1 但 ec=0 rc=0。构造是确定的，不依赖提取器的
-	// 具体行为（提取器行为随版本变化，测试不该押在它身上）。
-	//
-	// 正文里刻意**不放**媒体标记：mediaTriplesFromText 会为标记产出
-	// 合规的「图片 <digest>」三元组，那样 ec/rc 就不为 0，这个用例
-	// 也就测不到「全被拒绝」这个状态了。媒体引用直接用 AddRef 挂上，
-	// 模拟「文档持有媒体但正文的媒体标记已在清洗中丢失」这一情形——
-	// 那正是最危险的组合：有引用要释放，却没有句子能承载它。
-	longSource := strings.Repeat("超长来源名", 20) // 100 字，远超 50 字符上限
-	// Summary 也必须超长：docToTriples 会为合理 summary 写一条
-	// {文档 -主题-> summary}，那条能通过校验，ec/rc 就不为 0 了。
-	// 这里要的是「三元组全部被拒」这一个状态。
-	longSummary := strings.Repeat("超长摘要文本", 20) // >80 字，触发长度门槛被跳过
-	// 文档持有的一等块（模拟“文档有媒体但正文标记已在清洗中丢失”）。
+	// 精确构造「三元组非空 + Commit 全部拒绝」这个状态：
+	// Source/Summary 都超过 validEntityName 的 50 字符上限，
+	// 于是 docToTriples 产出的两条元数据三元组都被跳过。
+	longSource := strings.Repeat("超长来源名", 20)  // 100 字
+	longSummary := strings.Repeat("超长摘要文本", 20) // >80 字触发长度门槛被跳过
 	it, _ := ms.Stat(digest)
 	doc := &document.Doc{
 		ID:          "doc_keep",
@@ -485,50 +522,183 @@ func TestArchiveColdDocs_KeepsDocWhenGraphWriteEmpty(t *testing.T) {
 	if !held {
 		t.Error("文档或块被释放了——图库没有句子承载它，内容会被删除")
 	}
-	if _, err := ms.Stat(digest); err != nil {
-		t.Fatalf("未归档成功时内容不该被删: %v", err)
+}
+
+func TestArchiveColdDocs_MigratesBlocksToGraph(t *testing.T) {
+	// 归档成功时块必须迁进 L3 并以 document --contains--> block 关联，
+	// 然后文档才被删除（迁移而非复制/引用保活）。
+	a, g, ms := newGraphMediaAgent(t)
+
+	dir := t.TempDir()
+	ds := document.NewStore(filepath.Join(dir, "docs"), memory.TokenizeWords)
+	if err := ds.Start(); err != nil {
+		t.Fatal(err)
+	}
+	defer ds.Stop()
+	a.docStore = ds
+	a.embedder = memory.NewStaticEmbedder()
+
+	digest, _ := ms.Put([]byte("archived-image"), media.Item{MIME: "image/png"})
+	it, _ := ms.Stat(digest)
+	doc := &document.Doc{
+		ID:      "doc_arch",
+		Summary: "带图的冷文档",
+		Content: "张三把三色带图交给了李四。",
+		Source:  "manual",
+		Blocks: []memory.MemoryBlock{{ID: "blk_arch_1", Modality: memory.BlockImage,
+			PayloadDigest: it.Digest, MIME: it.MIME, Size: it.Size}},
+	}
+	if err := ds.Insert(doc); err != nil {
+		t.Fatal(err)
+	}
+	for _, d := range ds.RecentDocs(10) {
+		if d.ID == doc.ID {
+			d.LastAccess = time.Now().Add(-200 * time.Hour)
+			d.AccessCount = 0
+		}
+	}
+	a.archiveColdDocs()
+
+	if d := ds.Get("doc_arch"); d != nil {
+		t.Fatal("块已迁入 L3，文档应被删除")
+	}
+	blocks, err := g.BlocksForNode("document", "doc_arch")
+	if err != nil {
+		t.Fatal(err)
+	}
+	if len(blocks) != 1 || blocks[0].ID != "blk_arch_1" {
+		t.Fatalf("L3 文档节点应持有原块（身份不变），实际 %+v", blocks)
+	}
+	if _, err := ms.Get(digest); err != nil {
+		t.Fatalf("块被 L3 持有，内容应仍可读: %v", err)
 	}
 }
 
-func TestCommitTriplesWithMedia_ReportsBoundCount(t *testing.T) {
-	// mediaBound 必须反映真实绑定数：归档路径靠它决定能否释放旧引用。
-	a, _, ms := newGraphMediaAgent(t)
+func TestMigrateLegacyMediaEntities(t *testing.T) {
+	// 旧数据：媒体被伪装成 type=Media 的实体，靠描述文本当索引。
+	// 迁移必须把它还原成原生块（挂回原句子）并删掉旧实体与描述关系。
+	_, g, ms := newGraphMediaAgent(t)
 
-	digest, err := ms.Put([]byte("img"), media.Item{MIME: "image/png"})
+	digest, _ := ms.Put([]byte("legacy-img"), media.Item{MIME: "image/png"})
+	sentence := "老数据里的三色带图 [image/png " + digest[:12] + "]"
+	// 直接构造旧的实体/关系形态（不走已删除的 marker 代码）。
+	ids, _, _, err := g.CommitWithMedia([]memory.Triple{{
+		Subject:      "图片 " + digest[:12],
+		SubjectType:  "Media",
+		Relation:     "内容",
+		Object:       "三色带的描述文本",
+		ObjectType:   "Description",
+		SentenceText: sentence,
+	}}, "legacy", 0)
 	if err != nil {
 		t.Fatal(err)
 	}
-	short := shortDigest(digest)
+	sid := ids[sentence]
+	if sid == 0 {
+		t.Fatal("拿不到句子 id")
+	}
 
-	// 句子含可反解的短 digest → 应绑定 1 个
-	_, _, bound, err := a.commitTriplesWithMedia([]memory.Triple{{
-		Subject: "图片", Relation: "内容", Object: "三色带",
-		SentenceText: "[image/png " + short + "] 一张三色带图",
-	}}, "s1", 0, nil)
+	blocks, entities, err := g.MigrateLegacyMediaEntities(func(short string) (memory.MemoryBlock, bool) {
+		full, err := ms.ResolvePrefix(short)
+		if err != nil {
+			return memory.MemoryBlock{}, false
+		}
+		it, err := ms.Stat(full)
+		if err != nil {
+			return memory.MemoryBlock{}, false
+		}
+		return memory.MemoryBlock{
+			ID: "blk_legacy_" + short, Modality: memory.BlockImage,
+			PayloadDigest: it.Digest, MIME: it.MIME, Size: it.Size,
+		}, true
+	})
 	if err != nil {
 		t.Fatal(err)
 	}
-	if bound != 1 {
-		t.Fatalf("应绑定 1 个媒体引用，实际 %d", bound)
+	if blocks != 1 || entities != 1 {
+		t.Fatalf("应迁移 1 块 / 删 1 实体，实际 %d / %d", blocks, entities)
 	}
 
-	// 句子无 digest → 绑定 0 个
-	_, _, bound2, err := a.commitTriplesWithMedia([]memory.Triple{{
-		Subject: "张三", Relation: "喜欢", Object: "咖啡",
-		SentenceText: "张三喜欢咖啡",
-	}}, "s2", 0, nil)
+	// 旧媒体实体与描述关系必须消失
+	res, err := g.Recall([]string{"图片 " + digest[:12]}, nil, 2, "")
 	if err != nil {
 		t.Fatal(err)
 	}
-	if bound2 != 0 {
-		t.Fatalf("无媒体标记的句子不该绑定引用，实际 %d", bound2)
+	for _, e := range res.Entities {
+		if e.Type == "Media" {
+			t.Fatalf("旧媒体实体仍存在: %+v", e)
+		}
+	}
+	// 块必须挂回原句子
+	got, err := g.BlocksForNode("sentence", strconv.FormatInt(sid, 10))
+	if err != nil {
+		t.Fatal(err)
+	}
+	if len(got) != 1 || got[0].PayloadDigest != digest {
+		t.Fatalf("句子应持有原生块，实际 %+v", got)
+	}
+
+	// 幂等：再跑一遍不应重复建块
+	blocks2, entities2, err := g.MigrateLegacyMediaEntities(nil)
+	if err != nil {
+		t.Fatal(err)
+	}
+	if blocks2 != 0 || entities2 != 0 {
+		t.Fatalf("无 resolver 时应空操作，实际 %d / %d", blocks2, entities2)
+	}
+}
+
+func TestCleanupOrphanedSentences_KeepsBlockBackedSentences(t *testing.T) {
+	// 旧媒体实体被删除后，承载它的句子可能再无关系引用，
+	// 但它还挂着媒体块——清理孤儿句子时不能把它删掉。
+	a, g, ms := newGraphMediaAgent(t)
+
+	digest, _ := ms.Put([]byte("orphan-img"), media.Item{MIME: "image/png"})
+	sentence := "只靠媒体块存活的句子。"
+	ids, _, _, err := g.CommitWithMedia([]memory.Triple{{
+		Subject: "媒体载体", Relation: "包含", Object: "内容", SentenceText: sentence,
+	}}, "orphan", 0)
+	if err != nil {
+		t.Fatal(err)
+	}
+	sid := ids[sentence]
+
+	b, ok := a.blockFromDigest(digest)
+	if !ok {
+		t.Fatal("blockFromDigest 失败")
+	}
+	if err := g.PutMemoryBlocks([]memory.MemoryBlock{b}); err != nil {
+		t.Fatal(err)
+	}
+	if err := g.AddMemoryBlockEdge("sentence", strconv.FormatInt(sid, 10), "block", b.ID, "contains"); err != nil {
+		t.Fatal(err)
+	}
+
+	// 解除关系引用，句子只剩块边
+	res, err := g.Recall([]string{"媒体载体"}, nil, 2, "")
+	if err != nil {
+		t.Fatal(err)
+	}
+	for _, r := range res.Relations {
+		if err := g.ClearSentenceID(r.ID); err != nil {
+			t.Fatal(err)
+		}
+	}
+	if _, err := g.CleanupOrphanedSentences(); err != nil {
+		t.Fatal(err)
+	}
+	blocks, err := g.BlocksForNode("sentence", strconv.FormatInt(sid, 10))
+	if err != nil {
+		t.Fatal(err)
+	}
+	if len(blocks) != 1 {
+		t.Fatalf("承载媒体块的句子被误删，块反查失败: %+v", blocks)
 	}
 }
 
 func TestSentenceIDsFromRelations(t *testing.T) {
 	// 关系行不持有媒体，媒体挂在句子上。这个函数负责"关系→句子"这一跳，
-	// 去重与去零都不能少：sentence_id=0 表示该关系没有关联句子，
-	// 拿 0 去查 media_refs 会命中一个不存在的 owner。
+	// 去重与去零都不能少：sentence_id=0 表示该关系没有关联句子。
 	rels := []memory.Relation{
 		{ID: 1, SentenceID: 5},
 		{ID: 2, SentenceID: 0}, // 无句子
@@ -547,199 +717,45 @@ func TestSentenceIDsFromRelations(t *testing.T) {
 	}
 }
 
-func TestMediaContextForRelations_SurfacesMediaToAgent(t *testing.T) {
-	// L3 检索接线回归：媒体描述进了图库，agent 必须拿得出来。
-	//
-	// 第四层做完了"存和反查的能力"（RecallMediaForSentence /
-	// mediaContextForSentences），但那两个函数一度没有任何调用方——
-	// 媒体能进 L3，进去之后 agent 检索不到。这个测试守住那条接线。
-	a, g, ms := newGraphMediaAgent(t)
+func TestMediaBlocksHeldByDocumentSurviveDeletion(t *testing.T) {
+	// 文档持有的一等块把内容钉住；文档被删后块随之消失，内容才可回收。
+	_, _, ms := newGraphMediaAgent(t)
 
-	digest, err := ms.Put([]byte("img bytes"), media.Item{MIME: "image/png"})
+	digest, err := ms.Put([]byte("doc image"), media.Item{MIME: "image/png"})
 	if err != nil {
 		t.Fatal(err)
 	}
-	if err := ms.Describe(digest, "一张紫蓝红三色带图", "visionllm"); err != nil {
+	dir := t.TempDir()
+	ds := document.NewStore(filepath.Join(dir, "docs"), memory.TokenizeWords)
+	if err := ds.Start(); err != nil {
 		t.Fatal(err)
 	}
-	sid, _ := attachBlockToSentence(t, g, ms, "[image/png "+shortDigest(digest)+"] 一张紫蓝红三色带图", digest)
+	defer ds.Stop()
 
-	// 命中的关系挂着该句子 → 应产出媒体说明
-	out := a.mediaContextForRelations([]memory.Relation{{ID: 1, SentenceID: sid}})
-	if out == "" {
-		t.Fatal("关系挂着有媒体的句子，却没产出媒体说明——L3 检索接线断了")
+	it, _ := ms.Stat(digest)
+	doc := &document.Doc{
+		ID: "doc_1", Summary: "带图的文档", Content: "正文",
+		Blocks: []memory.MemoryBlock{{ID: "blk_doc_1", Modality: memory.BlockImage,
+			PayloadDigest: it.Digest, MIME: it.MIME, Size: it.Size}},
 	}
-	if !contains(out, "一张紫蓝红三色带图") {
-		t.Errorf("媒体说明里应含描述文本: %q", out)
-	}
-	if !contains(out, shortDigest(digest)) {
-		t.Errorf("媒体说明里应含短 digest 供反查: %q", out)
-	}
-
-	// 没挂媒体的关系不该产出噪声
-	if out := a.mediaContextForRelations([]memory.Relation{{ID: 2, SentenceID: 99}}); out != "" {
-		t.Errorf("无媒体的句子不该产出说明: %q", out)
-	}
-	if out := a.mediaContextForRelations(nil); out != "" {
-		t.Errorf("空关系不该产出说明: %q", out)
-	}
-}
-
-func TestBuildMemoryContext_IncludesMediaSection(t *testing.T) {
-	// buildMemoryContext 是自动注入路径（每次 LLM 调用都走）。
-	// 媒体说明必须出现在这里，否则 agent 只有显式调 memory_recall 才知道有图。
-	a, graph, ms := newGraphMediaAgent(t)
-
-	digest, err := ms.Put([]byte("auto inject"), media.Item{MIME: "image/png"})
-	if err != nil {
-		t.Fatal(err)
-	}
-	if err := ms.Describe(digest, "自动注入用的测试图", "visionllm"); err != nil {
+	if err := ds.Insert(doc); err != nil {
 		t.Fatal(err)
 	}
 
-	sentence := "用户发来的图片 [image/png " + shortDigest(digest) + "] 自动注入用的测试图"
-	sids, _, _, err := graph.CommitWithMedia([]memory.Triple{{
-		Subject: "测试图片", Relation: "包含", Object: "三色带", SentenceText: sentence,
-	}}, "auto", 0)
-	if err != nil {
+	// 文档仍持有块 → 内容在
+	if _, err := ms.Stat(digest); err != nil {
+		t.Fatal("有文档块持有内容时不该被清")
+	}
+
+	// 删除文档 → 一并删除其内容（与文本块一致：删块即删内容）
+	ds.Remove(doc.ID)
+	if blocks := ds.Blocks(); len(blocks) != 0 {
+		t.Fatalf("删除文档后不该还有块，实际 %+v", blocks)
+	}
+	if err := ms.Delete(digest); err != nil {
 		t.Fatal(err)
 	}
-	sid := sids[sentence]
-	if sid == 0 {
-		t.Fatal("拿不到句子 id")
-	}
-	attachBlockToSentence(t, graph, ms, sentence, digest)
-
-	a.indexer = memory.NewIndexer(graph)
-	if err := a.indexer.Sync(); err != nil {
-		t.Fatalf("indexer sync: %v", err)
-	}
-
-	out := a.buildMemoryContext("测试图片", 0)
-	if out == "" {
-		t.Skip("图库召回未命中（indexer 检索策略所致），无法验证媒体段注入")
-	}
-	if !contains(out, "【关联媒体】") {
-		t.Errorf("自动注入的记忆上下文缺少媒体段: %q", out)
-	}
-	if !contains(out, "自动注入用的测试图") {
-		t.Errorf("媒体段里应含描述文本: %q", out)
-	}
-}
-
-func TestParseMediaMarkers(t *testing.T) {
-	// 与 mediaSummaryForEvent 的输出格式严格对应
-	text := "用户发来图片\n媒体内容：\n" +
-		"[image/png a1b2c3d4e5f6] 一张紫蓝红三色带图\n" +
-		"[audio/wav bbbbccccdddd] 一段三秒的钢琴声\n" +
-		"[image/png a1b2c3d4e5f6] 重复的同一张图"
-
-	ms := parseMediaMarkers(text)
-	if len(ms) != 2 {
-		t.Fatalf("应解析出 2 条去重后的标记，实际 %d: %+v", len(ms), ms)
-	}
-	if ms[0].label != "image/png" || ms[0].shortDigest != "a1b2c3d4e5f6" {
-		t.Errorf("第一条解析错误: %+v", ms[0])
-	}
-	if ms[0].description != "一张紫蓝红三色带图" {
-		t.Errorf("描述应取到行尾且不跨行: %q", ms[0].description)
-	}
-	if ms[1].label != "audio/wav" {
-		t.Errorf("第二条 label 错误: %+v", ms[1])
-	}
-	// raw 用作 SentenceText，必须含 digest 才能被 bindSentenceMedia 反解
-	if !contains(ms[0].raw, "a1b2c3d4e5f6") {
-		t.Errorf("raw 必须含 digest: %q", ms[0].raw)
-	}
-	if n := parseMediaMarkers("没有任何标记的普通文本"); n != nil {
-		t.Errorf("无标记应返回 nil，实际 %+v", n)
-	}
-}
-
-func TestMediaEntityName(t *testing.T) {
-	// 实体名必须由 digest 而非描述构成：描述会被重新生成，
-	// 若名字取自描述，同一张图会在图谱上留下多个节点。
-	cases := []struct{ label, digest, want string }{
-		{"image/png", "a1b2c3d4e5f6", "图片 a1b2c3d4e5f6"},
-		{"audio/wav", "bbbbccccdddd", "音频 bbbbccccdddd"},
-		{"video/mp4", "ccccddddeeee", "视频 ccccddddeeee"},
-		{"application/octet-stream", "ddddeeeeffff", "媒体 ddddeeeeffff"},
-	}
-	for _, c := range cases {
-		got := mediaEntityName(c.label, c.digest)
-		if got != c.want {
-			t.Errorf("mediaEntityName(%q,%q) = %q，期望 %q", c.label, c.digest, got, c.want)
-		}
-		// 必须过 validEntityName 的 2–50 字符门槛，否则 Commit 会静默跳过
-		if n := len([]rune(got)); n < 2 || n > 50 {
-			t.Errorf("实体名长度 %d 不在 2–50 之间: %q", n, got)
-		}
-	}
-}
-
-func TestSummarizeForEntity(t *testing.T) {
-	cases := []struct{ in, want string }{
-		{"一张紫蓝红三色带图。还有更多内容。", "一张紫蓝红三色带图"},
-		{"**整体构成**：正方形画布", "整体构成：正方形画布"}, // Markdown 强调符被清掉
-		{"", ""},
-		{"短", ""}, // 单字过不了 validEntityName，宁可不写
-		// 无句子边界时按 rune 截到 40（不是按字节，否则切坏 UTF-8 会在图库里留乱码）
-		{"没有句子边界的一长串文字需要按 rune 截断以免切坏 UTF-8 编码导致图库里出现乱码实体名字符",
-			"没有句子边界的一长串文字需要按 rune 截断以免切坏 UTF-8 编码导致图库"},
-	}
-	for _, c := range cases {
-		got := summarizeForEntity(c.in, 40)
-		if got != c.want {
-			t.Errorf("summarizeForEntity(%q) = %q，期望 %q", c.in, got, c.want)
-		}
-	}
-}
-
-func TestMediaTriplesFromText_DeterministicRegardlessOfNLP(t *testing.T) {
-	// 核心回归：媒体入 L3 不再依赖 NLP 提取器的运气。
-	//
-	// 实测 LLM 的 477 字图片描述经提取器只产出「水平 -分割-> 成」，
-	// obj 仅 1 字被 validEntityName 拒掉 → ec=0 rc=0 → 媒体记忆进不了图库，
-	// 且时好时坏取决于描述文本。这里验证确定性路径。
-	longDesc := "这张图片是一张纯色块构成的抽象图像，不包含任何文字、人物、物体或可识别的场景。" +
-		"整体构成：一个小尺寸的正方形图像，被水平分割成三条颜色条带。"
-	text := "媒体内容：\n[image/png 89e293b42546] " + longDesc
-
-	triples := mediaTriplesFromText(text)
-	if len(triples) < 2 {
-		t.Fatalf("应至少产出类型+内容两条三元组，实际 %d", len(triples))
-	}
-
-	// 每条都必须能通过 validEntityName（经 Commit 实证）
-	g, err := memory.NewGraphDB(filepath.Join(t.TempDir(), "g.db"))
-	if err != nil {
-		t.Fatal(err)
-	}
-	defer g.Close()
-	sids, ec, rc, err := g.CommitWithMedia(triples, "det", 0)
-	if err != nil {
-		t.Fatal(err)
-	}
-	if ec == 0 || rc == 0 {
-		t.Fatalf("确定性三元组应能写入图库，实际 ec=%d rc=%d", ec, rc)
-	}
-	if len(sids) == 0 {
-		t.Fatal("应返回句子 id 供 bindSentenceMedia 绑定")
-	}
-	// SentenceText 必须含 digest，否则绑定还是断的
-	for st := range sids {
-		if !contains(st, "89e293b42546") {
-			t.Errorf("句子必须含短 digest 供反解: %q", st)
-		}
-	}
-
-	// 描述为空时仍应产出类型三元组——媒体节点不能因为没描述就不存在
-	bare := mediaTriplesFromText("[image/png 89e293b42546]")
-	if len(bare) != 1 {
-		t.Fatalf("无描述时应只有类型三元组，实际 %d 条", len(bare))
-	}
-	if bare[0].Relation != "类型" {
-		t.Errorf("无描述时那条应是类型三元组: %+v", bare[0])
+	if _, err := ms.Stat(digest); err == nil {
+		t.Fatal("删除后内容应已移除")
 	}
 }

internal/agent/core/inputunify_test.go

@@ -192,63 +192,84 @@ func TestResolveInput_UnifiesAllModalities(t *testing.T) {
 	})
 }
 
-// ---------- 模型工具侧：sentenceWithMediaMarkers ----------
+// ---------- 模型工具侧：memory_digests 结构化传递 ----------
 
-// 模型只知道 digest（从对话或 memory_recall 的「关联媒体」读到），
-// 不该要求它自己按内核格式拼标记——格式写错的后果是引用静默挂不上。
-func TestSentenceWithMediaMarkers(t *testing.T) {
+// 模型只知道 digest（从对话或 memory_recall 的「关联媒体」读到）。
+// 它不再需要自己拼任何标记：digest 作为结构化字段随三元组提交。
+func TestResolveMediaDigestsAndNoMarkerText(t *testing.T) {
 	a, ms := newInputTestAgent(t)
-	digest, err := ms.Put([]byte("marker-bytes"), media.Item{
-		MIME: "image/png", Description: "一张紫蓝红三色带图",
-	})
+	digest, err := ms.Put([]byte("marker-bytes"), media.Item{MIME: "image/png"})
 	if err != nil {
 		t.Fatalf("Put: %v", err)
 	}
 
-	t.Run("短digest补全并生成标记", func(t *testing.T) {
-		got := a.sentenceWithMediaMarkers("用户发来一张图。", []string{digest[:12]})
-		if !strings.Contains(got, "三色带图") {
-			t.Errorf("描述未并入句子: %q", got)
-		}
-		if !strings.Contains(got, digest[:12]) {
-			t.Errorf("digest 未并入句子（反查会失效）: %q", got)
-		}
-		// 反解必须成功，否则 bindSentenceMedia 挂不上引用
-		if got := extractMediaDigests(got); len(got) != 1 {
-			t.Errorf("生成的标记无法被 extractMediaDigests 反解: %v", got)
+	t.Run("短digest补全", func(t *testing.T) {
+		got := a.resolveMediaDigests([]string{digest[:12]})
+		if len(got) != 1 || got[0] != digest {
+			t.Fatalf("短 digest 应补全为完整 digest，得到 %v", got)
 		}
 	})
 
-	t.Run("模型已写标记时不重复追加", func(t *testing.T) {
-		sentence := "看这个 [image/png " + digest[:12] + "] 三色带图"
-		got := a.sentenceWithMediaMarkers(sentence, []string{digest[:12]})
-		if n := strings.Count(got, digest[:12]); n != 1 {
-			t.Errorf("digest 出现 %d 次，期望 1 次: %q", n, got)
+	t.Run("无法解析的digest被丢弃", func(t *testing.T) {
+		if got := a.resolveMediaDigests([]string{"ffffffffffff"}); len(got) != 0 {
+			t.Errorf("不存在的 digest 不该保留: %v", got)
 		}
 	})
 
-	t.Run("空句子时标记本身充当句子", func(t *testing.T) {
-		got := a.sentenceWithMediaMarkers("", []string{digest})
-		if got == "" {
-			t.Error("媒体必须有句子落点，否则 media_refs 无从挂起")
-		}
-	})
-
-	t.Run("无法解析的digest被跳过", func(t *testing.T) {
-		got := a.sentenceWithMediaMarkers("原句。", []string{"ffffffffffff"})
-		if got != "原句。" {
-			t.Errorf("不存在的 digest 不该造出标记: %q", got)
-		}
-	})
-
-	t.Run("无媒体存储时原样返回", func(t *testing.T) {
+	t.Run("无媒体存储时返回nil", func(t *testing.T) {
 		bare := &Agent{}
-		if got := bare.sentenceWithMediaMarkers("原句。", []string{digest}); got != "原句。" {
-			t.Errorf("无媒体存储时应原样返回: %q", got)
+		if got := bare.resolveMediaDigests([]string{digest}); got != nil {
+			t.Errorf("无媒体存储时应返回 nil: %v", got)
 		}
 	})
 }
 
+// 句子文本必须保持原样：媒体归属走结构化块边，不往文本里贴 marker。
+func TestMemoryCommit_DoesNotPolluteSentenceText(t *testing.T) {
+	dir := t.TempDir()
+	g, err := memory.NewGraphDB(filepath.Join(dir, "graph.db"))
+	if err != nil {
+		t.Fatal(err)
+	}
+	defer g.Close()
+	ms, err := media.New(filepath.Join(dir, "media"))
+	if err != nil {
+		t.Fatal(err)
+	}
+	defer ms.Close()
+	a := &Agent{memory: g, mediaStore: ms}
+
+	digest, _ := ms.Put([]byte("clean-sentence"), media.Item{MIME: "image/png"})
+
+	sentence := "用户发来一张图。"
+	triples := []memory.Triple{{
+		Subject: "用户", Relation: "发来", Object: "图片",
+		SentenceText: sentence,
+		MediaDigests: a.resolveMediaDigests([]string{digest[:12]}),
+	}}
+	if _, _, _, err := a.commitTriplesWithMedia(triples, "s1", 0, nil); err != nil {
+		t.Fatal(err)
+	}
+
+	res, err := a.memory.Recall([]string{"用户"}, nil, 2, "")
+	if err != nil {
+		t.Fatal(err)
+	}
+	if len(res.Relations) == 0 {
+		t.Fatal("召回为空")
+	}
+	if res.Relations[0].SentenceText != sentence {
+		t.Errorf("句子文本被污染: %q", res.Relations[0].SentenceText)
+	}
+	blocks, err := a.memory.BlocksForNode("sentence", strconv.FormatInt(res.Relations[0].SentenceID, 10))
+	if err != nil {
+		t.Fatal(err)
+	}
+	if len(blocks) != 1 || blocks[0].PayloadDigest != digest {
+		t.Errorf("块应挂到句子，实际 %+v", blocks)
+	}
+}
+
 // ---------- resolveMediaDigests ----------
 
 func TestResolveMediaDigests(t *testing.T) {
@@ -319,63 +340,61 @@ func TestDocCommit_StoresBlocks(t *testing.T) {
 	}
 }
 
-// ---------- docMediaContext ----------
+// ---------- 文档持有块标签（doc_query 展示用） ----------
 
-func TestDocMediaContext(t *testing.T) {
+func TestBlockLabelsForDoc(t *testing.T) {
 	a, ms := newInputTestAgent(t)
-	digest, _ := ms.Put([]byte("ctx-bytes"), media.Item{
-		MIME: "image/png", Description: "文档里的配图",
-	})
+	digest, _ := ms.Put([]byte("ctx-bytes"), media.Item{MIME: "image/png"})
+	b, ok := a.blockFromDigest(digest)
+	if !ok {
+		t.Fatal("blockFromDigest 失败")
+	}
 
-	t.Run("无块时解析正文标记", func(t *testing.T) {
-		content := "旧正文 [image/png " + digest[:12] + "] 文档里的配图"
-		got := a.docMediaContext("doc_legacy", content)
-		if !strings.Contains(got, "文档里的配图") {
-			t.Errorf("历史文档只有标记时应回退解析: %q", got)
+	t.Run("从文档持有的一等块渲染", func(t *testing.T) {
+		got := a.blockLabelsForDoc(&document.Doc{ID: "doc_1", Blocks: []memory.MemoryBlock{b}})
+		if !strings.Contains(got, shortDigest(digest)) {
+			t.Errorf("标签应含短 digest: %q", got)
+		}
+		if !strings.Contains(got, "image/png") {
+			t.Errorf("标签应含 MIME: %q", got)
 		}
 	})
 
-	t.Run("既无引用也无标记", func(t *testing.T) {
-		if got := a.docMediaContext("doc_empty", "普通正文"); got != "" {
+	t.Run("无块时为空", func(t *testing.T) {
+		if got := a.blockLabelsForDoc(&document.Doc{ID: "doc_x", Content: "普通正文"}); got != "" {
 			t.Errorf("应返回空串，实际 %q", got)
 		}
 	})
 
 	t.Run("无媒体存储", func(t *testing.T) {
 		bare := &Agent{}
-		if got := bare.docMediaContext("doc_x", "任意"); got != "" {
+		if got := bare.blockLabelsForDoc(&document.Doc{ID: "doc_x"}); got != "" {
 			t.Errorf("无媒体存储时应返回空串，实际 %q", got)
 		}
 	})
 }
 
-// ---------- mediaMarkerLine ----------
+// ---------- mediaLabel ----------
 
-// 标记格式的唯一生成处。此前 mediaSummaryForEvent 与 mediaContextForSentences
-// 各拼一份，改动截断长度或分隔符时只改一处，另一处写出的标记就再也解析不回来。
-func TestMediaMarkerLine(t *testing.T) {
+// 媒体标签的唯一生成处：只含 MIME 与短 digest，不含任何生成的描述。
+func TestMediaLabel(t *testing.T) {
 	a, ms := newInputTestAgent(t)
+	_ = a
 
-	described, _ := ms.Put([]byte("with-desc"), media.Item{
-		MIME: "image/png", Description: "已描述的图",
-	})
-	if got := a.mediaMarkerLine(described); !strings.Contains(got, "已描述的图") {
-		t.Errorf("有描述时应带描述: %q", got)
+	digest, _ := ms.Put([]byte("labelled"), media.Item{MIME: "image/png"})
+	it, err := ms.Stat(digest)
+	if err != nil {
+		t.Fatal(err)
 	}
-
-	// 「已入库但还没描述」与「压根没有媒体」必须可区分
-	bare, _ := ms.Put([]byte("no-desc"), media.Item{MIME: "image/png"})
-	got := a.mediaMarkerLine(bare)
-	if !strings.Contains(got, "(未描述)") {
-		t.Errorf("无描述时应有占位符: %q", got)
+	got := mediaLabel(it)
+	if !strings.Contains(got, "image/png") {
+		t.Errorf("标签应含 MIME: %q", got)
 	}
-	if !strings.Contains(got, shortDigest(bare)) {
+	if !strings.Contains(got, shortDigest(digest)) {
 		t.Errorf("必须带短 digest 供反查: %q", got)
 	}
-
-	// 查不到返回空串：媒体可能已被容量 GC 淘汰，此时不该造出指向虚无的标记
-	if got := a.mediaMarkerLine("ffffffffffffffffffffffffffffffffffffffffffffffffffffffffffffffff"); got != "" {
-		t.Errorf("查不到的 digest 应返回空串，实际 %q", got)
+	if got := mediaLabel(nil); got != "" {
+		t.Errorf("nil 应返回空串，实际 %q", got)
 	}
 }
 
@@ -417,9 +436,7 @@ func newToolTestAgent(t *testing.T) (*Agent, *media.Store) {
 // memory_commit 带 media_digests：三元组入库后必须能从句子反查回那份字节。
 func TestToolMemoryCommit_BindsMedia(t *testing.T) {
 	a, ms := newToolTestAgent(t)
-	digest, _ := ms.Put([]byte("commit-bytes"), media.Item{
-		MIME: "image/png", Description: "提交时关联的图",
-	})
+	digest, _ := ms.Put([]byte("commit-bytes"), media.Item{MIME: "image/png"})
 
 	out := a.executeMemoryTool(agentAPI.ToolCall{
 		Name: "memory_commit",
@@ -498,12 +515,10 @@ func TestToolMemoryCommit_CarriesSentenceText(t *testing.T) {
 	}
 }
 
-// doc_commit 带 media_digests：标记进正文（否则检索不到）+ 引用挂文档 owner（否则 GC 会清）。
+// doc_commit 带 media_digests：媒体成为文档直接持有的一等块；正文保持原样。
 func TestToolDocCommit_BindsMedia(t *testing.T) {
 	a, ms := newToolTestAgent(t)
-	digest, _ := ms.Put([]byte("doc-commit-bytes"), media.Item{
-		MIME: "image/png", Description: "笔记里的插图",
-	})
+	digest, _ := ms.Put([]byte("doc-commit-bytes"), media.Item{MIME: "image/png"})
 
 	out := a.executeDocTool(agentAPI.ToolCall{
 		Name: "doc_commit",
@@ -522,8 +537,8 @@ func TestToolDocCommit_BindsMedia(t *testing.T) {
 		t.Fatal("文档未写入")
 	}
 	d := docs[0]
-	if !strings.Contains(d.Content, "笔记里的插图") {
-		t.Errorf("标记未进正文（向量索引看不到这份媒体）: %q", d.Content)
+	if strings.Contains(d.Content, "image/png") {
+		t.Errorf("正文不该被媒体标记污染: %q", d.Content)
 	}
 	var held bool
 	for _, b := range d.Blocks {
@@ -539,9 +554,7 @@ func TestToolDocCommit_BindsMedia(t *testing.T) {
 // doc_query 必须把媒体说明附在返回值里，否则模型检索到带图文档也不知道有图。
 func TestToolDocQuery_ShowsMedia(t *testing.T) {
 	a, ms := newToolTestAgent(t)
-	digest, _ := ms.Put([]byte("query-bytes"), media.Item{
-		MIME: "image/png", Description: "检索命中的配图",
-	})
+	digest, _ := ms.Put([]byte("query-bytes"), media.Item{MIME: "image/png"})
 
 	a.executeDocTool(agentAPI.ToolCall{
 		Name: "doc_commit",
@@ -560,7 +573,7 @@ func TestToolDocQuery_ShowsMedia(t *testing.T) {
 	// 正文进的是 cold_storage 事件（工具返回值只给引用编号），媒体说明也在那里。
 	var found bool
 	for _, e := range a.context.Recent(10) {
-		if strings.Contains(e.Response, "检索命中的配图") {
+		if strings.Contains(e.Response, shortDigest(digest)) {
 			found = true
 		}
 	}

internal/agent/core/medialive_test.go

@@ -200,7 +200,6 @@ func newLiveEnv(t *testing.T, c liveCfg) *liveEnv {
 		Memory:          graph,
 		DocStore:        docStore,
 		MediaStore:      ms,
-		MediaDescribe:   true, // 描述循环由测试直接调 describePendingMedia
 		StageHost:       NewStageHost(),
 		MaxContextSize:  3, // 故意压低：第二轮就能触发 Prune 归档
 		InputProcessing: types.InputProcessingConfig{},
@@ -250,19 +249,28 @@ func TestMediaLive_AutoTriggerChain(t *testing.T) {
 	a.handleInput(evt)
 	t.Logf("第一轮（含真实 LLM 往返）耗时 %.1fs", time.Since(t0).Seconds())
 
-	// 用 Pending 而非 Search 查刚落盘的项：Search 的 WHERE 里带
-	// `COALESCE(description,'') != ''`，只返回**已描述**的媒体，
-	// 此刻描述还没生成（阶段3 才做），Search 必然返回 0 条。
-	items, err := env.mediaSt.Pending(10)
+	// 媒体不再有文字描述：CAS 里只有字节、元数据与向量。
+	// 这里直接按 digest 定位刚落的图（不再有 Pending 队列）。
+	st := env.mediaSt.Stats()
+	if st["count"].(int) != 1 {
+		t.Fatalf("CAS 应自动收到 1 张图，实际 %v 张（captureBlockMedia 未被触发？）", st["count"])
+	}
+	var digest string
+	var found bool
+	for _, e := range a.context.Recent(0) {
+		for _, b := range e.Blocks {
+			digest, found = b.PayloadDigest, true
+		}
+	}
+	if !found {
+		t.Fatal("无法从上下文块定位刚落盘的图")
+	}
+	it0, err := env.mediaSt.Stat(digest)
 	if err != nil {
-		t.Fatalf("pending: %v", err)
+		t.Fatal(err)
 	}
-	if len(items) != 1 {
-		t.Fatalf("CAS 应自动收到 1 张图，实际 %d 张（captureBlockMedia 未被触发？）", len(items))
-	}
-	digest := items[0].Digest
 	t.Logf("✓ 阶段1 CAS 自动落盘: digest=%s size=%d tool=%s",
-		digest[:12], items[0].Size, items[0].Tool)
+		digest[:12], it0.Size, it0.Tool)
 
 	stored, err := env.mediaSt.Get(digest)
 	if err != nil || !bytes.Equal(stored, img) {
@@ -271,13 +279,15 @@ func TestMediaLive_AutoTriggerChain(t *testing.T) {
 
 	// ── 阶段 2：一等记忆块自动挂到 ContextEvent 上 ──
 	//
-	// 这一步验证 bindEventMedia：事件必须拿到 ID 并直接持有块。
+	// 这一步验证 bindEventMedia：事件必须拿到 ID 并直接持有块；
+	// 事件文本必须保持原样（不再往正文里贴媒体标记）。
 	var evtID string
-	var summaryOK bool
 	for _, e := range a.context.Recent(0) {
 		if len(e.Blocks) > 0 {
 			evtID = e.ID
-			summaryOK = strings.Contains(e.Input, digest[:12])
+			if strings.Contains(e.Input, digest[:12]) {
+				t.Error("事件 Input 里被写入了媒体标记——描述式索引链应该已经拆除")
+			}
 			if e.Blocks[0].PayloadDigest != digest {
 				t.Fatalf("事件持有的块 digest 不对: %+v", e.Blocks)
 			}
@@ -287,51 +297,17 @@ func TestMediaLive_AutoTriggerChain(t *testing.T) {
 	if evtID == "" {
 		t.Fatal("没有任何 ContextEvent 挂上媒体（bindEventMedia 未被触发）")
 	}
-	if !summaryOK {
-		t.Error("事件 Input 里没有媒体摘要标记（mediaSummaryForEvent 未生效）——" +
-			"L2/L3 靠正文里的短 digest 反查，缺了它整条召回链断掉")
-	}
-	t.Logf("✓ 阶段2 块自动绑定: event=%s 摘要内嵌=%v", evtID, summaryOK)
+	t.Logf("✓ 阶段2 块自动绑定: event=%s", evtID)
 
-	// ── 阶段 3：描述由后台循环自动生成（真实视觉模型）──
-	pending, err := env.mediaSt.Pending(5)
-	if err != nil {
+	// ── 阶段 3：媒体只按自己的向量被索引，不再生成任何描述 ──
+	if it, err := env.mediaSt.Stat(digest); err != nil {
 		t.Fatal(err)
-	}
-	if len(pending) != 1 {
-		t.Fatalf("应有 1 条待描述，实际 %d 条", len(pending))
-	}
-
-	t1 := time.Now()
-	a.describePendingMedia()
-	t.Logf("描述生成耗时 %.1fs", time.Since(t1).Seconds())
-
-	it, err := env.mediaSt.Stat(digest)
-	if err != nil {
-		t.Fatal(err)
-	}
-	if it.Description == "" {
-		t.Fatal("描述为空——describePendingMedia 未能通过视觉源生成描述")
-	}
-	sawColors := strings.Contains(it.Description, "紫") &&
-		strings.Contains(it.Description, "蓝") &&
-		strings.Contains(it.Description, "红")
-	t.Logf("✓ 阶段3 描述自动生成 (%d 字, 源=%s): %s",
-		len([]rune(it.Description)), it.DescribedBy, truncRunes(it.Description, 90))
-	if !sawColors {
-		t.Errorf("描述未含紫/蓝/红三色，视觉模型可能没真正看到图片: %s",
-			truncRunes(it.Description, 200))
-	}
-	if left, _ := env.mediaSt.Pending(5); len(left) != 0 {
-		t.Errorf("描述完成后仍在待描述队列（%d 条）——会被反复重描述", len(left))
-	}
-	// 有描述之后 Search 才应能命中（它按 description 做 LIKE）
-	if found, err := env.mediaSt.Search("紫", media.KindImage, 5); err != nil {
-		t.Errorf("search: %v", err)
-	} else if len(found) == 0 {
-		t.Error("描述已生成但 Search(\"紫\") 命中 0 条——媒体库关键词入口失效")
+	} else if len(it.Vec) == 0 {
+		// 未配置多模态空间时就没有向量——这是合法的降级状态，
+		// 但要明确报出来，而不是靠描述文本假装能检索。
+		t.Log("未配置多模态空间：本图无向量，之后只能靠块结构召回 digest")
 	} else {
-		t.Logf("✓ 阶段3 Search(\"紫\") 命中 %d 条", len(found))
+		t.Logf("✓ 阶段3 已写入原生向量: dim=%d", len(it.Vec))
 	}
 
 	// ── 阶段 4：Prune 自动把块从 L0 迁移到 L2 ──
@@ -385,11 +361,11 @@ func TestMediaLive_AutoTriggerChain(t *testing.T) {
 		t.Fatalf("迁移后内容不可读: %v", err)
 	}
 
-	// ── 阶段 5：archiveColdDocs 自动把媒体带进 L3 图库 ──
+	// ── 阶段 5：archiveColdDocs 自动把块连到 L3 文档节点 ──
 	//
 	// FindColdDocs(72h, 2) 要求文档足够"冷"，测试里新建的文档不满足，
 	// 因此把 LastAccess 往前推——这是为了触发生产代码路径，
-	// 而不是替代它（Commit/bindSentenceBlocks 全部由它自己调）。
+	// 而不是替代它（commitTriplesWithMedia/linkBlocksToDocument 全由它自己调）。
 	for _, d := range env.docStore.RecentDocs(20) {
 		if d.ID == docRefsFound {
 			d.LastAccess = time.Now().Add(-100 * time.Hour)
@@ -398,13 +374,21 @@ func TestMediaLive_AutoTriggerChain(t *testing.T) {
 	}
 	a.archiveColdDocs()
 
+	// 块可能以 document --contains--> block（文档归档）或
+	// sentence --contains--> block（对话三元组）两种边存在。
 	sentRefs := 0
 	var boundSentence int64
+	docBound := 0
 	rows, err := env.graph.Recall(nil, nil, 1, "")
 	if err != nil {
 		t.Fatalf("graph recall: %v", err)
 	}
 	t.Logf("图库实体数 %d", len(rows.Entities))
+	docBlocks, err := env.graph.BlocksForNode("document", docRefsFound)
+	if err != nil {
+		t.Fatal(err)
+	}
+	docBound = len(docBlocks)
 	// 句子 id 是自增整数，扫前若干个足够覆盖本测试写入的量
 	for sid := int64(1); sid <= 40; sid++ {
 		blocks, err := env.graph.BlocksForNode("sentence", strconv.FormatInt(sid, 10))
@@ -415,10 +399,18 @@ func TestMediaLive_AutoTriggerChain(t *testing.T) {
 			}
 		}
 	}
-	if sentRefs == 0 {
-		t.Error("L2→L3 未写入任何句子→块边——" +
-			"bindSentenceBlocks 未被 commitTriplesWithMedia 触发，" +
-			"或句子正文里没有可反解的短 digest")
+	if sentRefs == 0 && docBound == 0 {
+		t.Error("L2→L3 未写入任何块边——linkBlocksToDocument 未被 archiveColdDocs 触发")
+	} else if docBound > 0 {
+		t.Logf("✓ 阶段5 L3 自动写入: 文档 %s 持有 %d 个块", docRefsFound, docBound)
+		got := docBlocks
+		if got[0].PayloadDigest != digest {
+			t.Errorf("文档节点持有的块 digest 不对: %+v", got)
+		} else if raw, err := env.mediaSt.Get(got[0].PayloadDigest); err != nil || !bytes.Equal(raw, img) {
+			t.Errorf("从文档块取回的字节与原图不一致 (err=%v)", err)
+		} else {
+			t.Logf("✓ 阶段5 反查取回 %d 字节，与原图逐字节一致", len(raw))
+		}
 	} else {
 		t.Logf("✓ 阶段5 L3 自动写入: %d 个句子块，首个 sentences.id=%d", sentRefs, boundSentence)
 
@@ -448,15 +440,10 @@ func TestMediaLive_AutoTriggerChain(t *testing.T) {
 	if err := a.indexer.Sync(); err != nil {
 		t.Fatalf("indexer sync: %v", err)
 	}
-	if mc := a.buildMemoryContext("图片 颜色", 0); mc != "" {
+	if mc := a.buildMemoryContext("测试图片", 0); mc != "" {
 		t.Logf("注入的记忆上下文: %s", truncRunes(mc, 200))
-		if strings.Contains(mc, "【关联媒体】") {
-			t.Logf("✓ 记忆上下文含媒体段")
-		} else {
-			t.Error("记忆上下文缺少媒体段——L3 媒体检索接线未生效")
-		}
 	} else {
-		t.Error("图库召回为空，agent 无从得知历史媒体")
+		t.Log("图库召回为空（本测试不再依赖文本描述，仅记录现状）")
 	}
 
 	ask := &agentIO.InputEvent{
@@ -475,6 +462,9 @@ func TestMediaLive_AutoTriggerChain(t *testing.T) {
 	a.handleInput(ask)
 	t.Logf("第二轮耗时 %.1fs", time.Since(t2).Seconds())
 
+	// 第二轮仍走真实 LLM：这里只验证链路不报错、有回复。
+	// 不再断言"答出紫/蓝/红"：图片的颜色信息只在原生向量里，
+	// 未配置多模态空间时模型本来就无从得知——那不属于记忆接线缺陷。
 	var answer string
 	select {
 	case out := <-respCh:
@@ -483,27 +473,20 @@ func TestMediaLive_AutoTriggerChain(t *testing.T) {
 		t.Fatal("第二轮没有收到回复")
 	}
 	t.Logf("agent 回答: %s", truncRunes(answer, 220))
-
-	recalled := strings.Contains(answer, "紫") &&
-		strings.Contains(answer, "蓝") &&
-		strings.Contains(answer, "红")
-	if !recalled {
-		t.Errorf("agent 未能召回三色。这可能是记忆注入链路问题，"+
-			"也可能是本轮上下文里已无相关记忆（描述在 L2/L3 但未被检索命中）。回答: %s",
-			truncRunes(answer, 300))
-	} else {
-		t.Logf("✓ 阶段7 E2E 召回成功：不给图，agent 答出紫/蓝/红")
+	if strings.HasPrefix(answer, "处理错误:") {
+		t.Skipf("上游 LLM 调用失败，端到端召回无法判定: %s", truncRunes(answer, 160))
 	}
+	t.Logf("✓ 阶段7 E2E 链路贯通（召回能力取决于是否配置多模态向量空间）")
 
-	st := env.mediaSt.Stats()
-	t.Logf("收尾: %v 条 / %v 字节 / 已描述 %v",
-		st["count"], st["total_bytes"], st["described"])
+	st = env.mediaSt.Stats()
+	t.Logf("收尾: %v 条 / %v 字节 / 类型 %v",
+		st["count"], st["total_bytes"], st["by_kind"])
 }
 
 // TestMediaLive_NegativeControl 阴性对照：没有媒体记忆时不该"记得"。
 //
-// 没有这条对照，阶段7 的"答出紫蓝红"可能只是模型在猜常见配色，
-// 无法区分真召回与先验偏好。
+// 没有这条对照，任何"答出了具体内容"的结果都可能只是模型先验，
+// 无法区分真召回与猜测。
 func TestMediaLive_NegativeControl(t *testing.T) {
 	c := requireLiveCfg(t)
 	env := newLiveEnv(t, c)

internal/agent/core/medialoop.go

@@ -2,26 +2,44 @@ package core
 
 import (
 	"log"
-	"runtime/debug"
 	"sync"
 	"sync/atomic"
-	"time"
 
-	"gitcode.com/JianFeeeee/HomeAgent/internal/memory/media"
+	"gitcode.com/JianFeeeee/HomeAgent/internal/memory"
 )
 
-// 媒体记忆的后台循环。
-//
-// mediaDescribeLoop 给未描述的媒体生成文字描述。
+// 媒体与记忆块的生命周期辅助。
 //
 // 媒体不单独做生命周期管理（没有 GC、没有引用计数）：blob 是记忆块的内容，
-// 块的创建/迁移/删除由记忆系统本身决定，块被永久删除时内容随之删除
-// （见 forgetPayloads）。
+// 块的创建/迁移/删除由记忆系统本身决定，块被永久删除时内容随之删除。
+// 图片不靠文本描述索引——它只按自己的统一空间向量被检索。
+
+// heldMediaDigests 汇总三层记忆当前持有的媒体 digest 集合。
 //
-// 为何描述要走后台而不是入库时同步做：视觉模型一次调用在生产实测 9.6s
-// （see_video 6 帧批量 23s）。放在对话路径上会让每张图都给回复加十几秒，
-// 而描述的价值是**几个月后还能检索到这张图**，不是这一轮对话——
-// 这一轮模型本来就直接看着图。
+// CAS 是全库字节存储，它的检索结果不等于「记忆里的媒体」——
+// 召回前用它把已无处可归的内容过滤掉。
+func (a *Agent) heldMediaDigests() map[string]bool {
+	held := map[string]bool{}
+	collect := func(blocks []memory.MemoryBlock) {
+		for _, b := range blocks {
+			if b.PayloadDigest != "" {
+				held[b.PayloadDigest] = true
+			}
+		}
+	}
+	if a.context != nil {
+		collect(a.context.Blocks())
+	}
+	if a.docStore != nil {
+		collect(a.docStore.Blocks())
+	}
+	if a.memory != nil {
+		if blocks, err := a.memory.MemoryBlocks(); err == nil {
+			collect(blocks)
+		}
+	}
+	return held
+}
 
 // payloadHeld 报告某个 digest 是否仍被三层记忆中的一等块持有。
 // 这是删除前的一次活查询（不是持久化账本）：同一份字节可能同时被多个块共享。
@@ -73,135 +91,6 @@ func (a *Agent) forgetPayloads(digests []string) {
 	}
 }
 
-const (
-	// mediaDescribeBatch 是单轮描述的媒体条数上限。
-	//
-	// 取 4：既有回退链的 modalFallbackMaxBlocks 是 6（一次请求最多带 6 个媒体），
-	// 这里留出余量，且每条单独请求以便逐条落库——批量描述拿回来一整段文字
-	// 无法可靠切分回各自的 digest。
-	mediaDescribeBatch = 4
-
-	// mediaDescribeMinInterval 是两轮描述之间的最小间隔。
-	//
-	// 描述是纯后台的锦上添花，不该跟对话抢视觉模型配额。取 30s 让它
-	// 慢慢消化积压，而不是一上线就把几百条历史媒体全打过去。
-	mediaDescribeMinInterval = 30 * time.Second
-)
-
-// mediaDescribeLoop 给未描述的媒体补文字描述。
-//
-// 描述文本才是持久语义记忆：它留在 media 表里，并经 mediaSummaryForEvent
-// 写进 L0 事件、随归档进 L2 文档、经蒸馏进 L3 图库。
-// 于是「那张紫蓝红三色带图」仍然可被检索到。
-func (a *Agent) mediaDescribeLoop() {
-	defer func() {
-		if r := recover(); r != nil {
-			log.Printf("[agent] mediaDescribeLoop panic recovered: %v\n%s", r, debug.Stack())
-			time.Sleep(time.Second)
-			go a.mediaDescribeLoop()
-		}
-	}()
-	if a.mediaStore == nil || !a.mediaDescribe {
-		return
-	}
-
-	ticker := time.NewTicker(mediaDescribeMinInterval)
-	defer ticker.Stop()
-
-	for {
-		select {
-		case <-ticker.C:
-			a.describePendingMedia()
-		case <-a.ctx.Done():
-			return
-		}
-	}
-}
-
-// describePendingMedia 取一批未描述的媒体逐条描述。
-//
-// 逐条而非批量：批量拿回来是一整段文字，无法可靠切分回各自的 digest
-// （模型未必按序号输出，也可能把两张图合并成一句）。宁可多几次往返
-// 也要保证「描述 ↔ digest」的对应关系是确定的。
-func (a *Agent) describePendingMedia() {
-	pending, err := a.mediaStore.Pending(mediaDescribeBatch)
-	if err != nil {
-		log.Printf("[media] 取待描述项失败: %v", err)
-		return
-	}
-	if len(pending) == 0 {
-		return
-	}
-
-	for _, it := range pending {
-		select {
-		case <-a.ctx.Done():
-			return
-		default:
-		}
-
-		kind := "image"
-		if it.Kind == media.KindAudio {
-			kind = "audio"
-		} else if it.Kind != media.KindImage {
-			// 视频帧以 image 入库；其余大类没有可用的描述通道，
-			// 标记成"不可描述"以免每轮都被 Pending 取出来重试。
-			if err := a.mediaStore.Describe(it.Digest, "", "unsupported"); err != nil {
-				log.Printf("[media] 标记不可描述失败 %s: %v", shortDigest(it.Digest), err)
-			}
-			continue
-		}
-
-		p, srcName := a.resolveModalFallback(kind)
-		if p == nil {
-			// 没有声明该模态能力的源——这一轮整体跳过，不逐条重试。
-			// 配置好之后自然会被下一轮捡起来。
-			log.Printf("[media] 无可用的 %s 描述源，跳过本轮（%d 条待描述）", kind, len(pending))
-			return
-		}
-
-		data, err := a.mediaStore.Get(it.Digest)
-		if err != nil {
-			// blob 已被 GC 清掉但元数据还在（GC 会同删，此处属异常路径）：
-			// 标记一下避免死循环。
-			log.Printf("[media] 读内容失败 %s: %v", shortDigest(it.Digest), err)
-			if e := a.mediaStore.Describe(it.Digest, "", "content-missing"); e != nil {
-				log.Printf("[media] 标记内容缺失失败 %s: %v", shortDigest(it.Digest), e)
-			}
-			continue
-		}
-
-		mime := it.MIME
-		if mime == "" {
-			mime = "image/png"
-		}
-		url := media.DataURL(mime, data)
-
-		desc, err := a.chatModalFallbackBatch(p, kind, []string{url}, []string{"high"})
-		if err != nil {
-			// 失败不标记：可能是网络抖动或配额，下一轮该重试。
-			log.Printf("[media] 描述失败 %s (源=%s): %v", shortDigest(it.Digest), srcName, err)
-			continue
-		}
-		if desc == "" {
-			// 空回复通常意味着上游把媒体剥离了——与 modalfallback 里的判断
-			// 同一个道理，视作失败而非"没什么可说的"。
-			log.Printf("[media] 描述为空 %s (源=%s)，视作失败", shortDigest(it.Digest), srcName)
-			continue
-		}
-
-		if err := a.mediaStore.Describe(it.Digest, desc, srcName); err != nil {
-			log.Printf("[media] 写描述失败 %s: %v", shortDigest(it.Digest), err)
-			continue
-		}
-		log.Printf("[media] 已描述 %s (%s, %d 字, 源=%s)", shortDigest(it.Digest), kind, len([]rune(desc)), srcName)
-
-		// 描述成功后无需再次做视觉嵌入：图片在进入 L0 记忆块时已由
-		// embedMediaOnIngest 计算并写入 CAS，L0→L2→L3 只转移引用并复用坐标。
-		// 历史已有图片或模型切换由启动时 reembedStaleMedia 一次性补算。
-	}
-}
-
 // reembedStaleMedia 在启动时批量迁移历史媒体向量到当前向量空间。
 //
 // 触发场景（任一变化都会导致旧向量无法参与查询）：
@@ -270,8 +159,7 @@ func (a *Agent) reembedStaleMedia() {
 		done, failed, len(digests), shortFP(fp))
 }
 
-// reembedOne 为单条媒体重新计算向量并写入。stat 错误时跳过（可能已被 GC 清除）。
-// Get 错误或 Embed 错误时静默跳过该条目（不影响迁移其他条目）。
+// reembedOne 为单条媒体重新计算向量并写入（stat/get 失败时跳过该条目）。
 func (a *Agent) reembedOne(digest, fp string) error {
 	it, err := a.mediaStore.Stat(digest)
 	if err != nil {

internal/agent/core/medialoop_test.go

@@ -4,18 +4,18 @@ import (
 	"context"
 	"path/filepath"
 	"testing"
-	"time"
 
 	"gitcode.com/JianFeeeee/HomeAgent/internal/memory"
+	"gitcode.com/JianFeeeee/HomeAgent/internal/memory/document"
 	"gitcode.com/JianFeeeee/HomeAgent/internal/memory/media"
 )
 
-// 媒体后台循环测试。
+// 媒体与记忆块的生命周期测试。
 //
 // 媒体没有独立生命周期管理（没有 GC、没有引用计数）：blob 是记忆块的内容，
-// 块的创建/迁移/删除由记忆系统决定。这里只测描述循环与删除语义。
+// 块的创建/迁移/删除由记忆系统决定。图片也不靠文本描述索引。
 
-func newMediaLoopAgent(t *testing.T, describe bool) (*Agent, *media.Store) {
+func newMediaLoopAgent(t *testing.T) (*Agent, *media.Store) {
 	t.Helper()
 	dir := t.TempDir()
 	ms, err := media.New(filepath.Join(dir, "media"))
@@ -24,73 +24,81 @@ func newMediaLoopAgent(t *testing.T, describe bool) (*Agent, *media.Store) {
 	}
 	t.Cleanup(func() { ms.Close() })
 
-	a := &Agent{
-		mediaStore:    ms,
-		mediaDescribe: describe,
-	}
+	a := &Agent{mediaStore: ms}
 	a.ctx, a.cancel = context.WithCancel(context.Background())
 	t.Cleanup(a.cancel)
 	return a, ms
 }
 
-func TestMediaDescribeLoop_ExitsWhenDisabled(t *testing.T) {
-	// describe 关闭时必须立即返回（默认就是关闭，绝大多数部署走这条路）
-	a, _ := newMediaLoopAgent(t, false)
-	done := make(chan struct{})
-	go func() { a.mediaDescribeLoop(); close(done) }()
-	select {
-	case <-done:
-	case <-time.After(2 * time.Second):
-		t.Fatal("describe 关闭时 mediaDescribeLoop 未立即返回")
+// heldMediaDigests 汇总三层记忆持有的媒体：只有这些才可被召回。
+func TestHeldMediaDigests_CollectsAcrossLayers(t *testing.T) {
+	a, ms := newMediaLoopAgent(t)
+	d1, _ := ms.Put([]byte("ctx-layer"), media.Item{MIME: "image/png"})
+	d2, _ := ms.Put([]byte("doc-layer"), media.Item{MIME: "image/png"})
+	d3, _ := ms.Put([]byte("graph-layer"), media.Item{MIME: "image/png"})
+	d4, _ := ms.Put([]byte("orphan"), media.Item{MIME: "image/png"})
+
+	a.context = NewRelevanceContext("", memory.NewStaticEmbedder(""))
+	a.context.Append(ContextEvent{Input: "带图的一轮", Blocks: []memory.MemoryBlock{
+		{ID: "blk_ctx", Modality: memory.BlockImage, PayloadDigest: d1},
+	}})
+
+	dir := t.TempDir()
+	bo, ok := a.blockFromDigest(d2)
+	if !ok {
+		t.Fatal("blockFromDigest 失败")
 	}
-}
+	ds := document.NewStore(filepath.Join(dir, "docs"), memory.TokenizeWords)
+	if err := ds.Start(); err != nil {
+		t.Fatal(err)
+	}
+	defer ds.Stop()
+	if err := ds.Insert(&document.Doc{ID: "doc_1", Summary: "s", Blocks: []memory.MemoryBlock{bo}}); err != nil {
+		t.Fatal(err)
+	}
+	a.docStore = ds
 
-func TestDescribePendingMedia_NoProviderLeavesUndescribed(t *testing.T) {
-	// 没有声明视觉能力的源时整轮跳过，且**不能**把项标记成已处理——
-	// 配置好之后必须还能被捡起来。
-	a, ms := newMediaLoopAgent(t, true)
-	d, _ := ms.Put([]byte("img"), media.Item{MIME: "image/png"})
-
-	// providerManager 为 nil → resolveModalFallback 返回 nil
-	a.describePendingMedia()
-
-	it, err := ms.Stat(d)
+	g, err := memory.NewGraphDB(filepath.Join(dir, "graph.db"))
 	if err != nil {
 		t.Fatal(err)
 	}
-	if it.Description != "" || it.DescribedBy != "" {
-		t.Fatalf("无可用源时不该写描述: %+v", it)
-	}
-	pending, _ := ms.Pending(10)
-	if len(pending) != 1 {
-		t.Fatalf("项应仍在待描述队列里，实际 %d 条", len(pending))
-	}
-}
-
-func TestDescribePendingMedia_MarksUnsupportedKind(t *testing.T) {
-	// video/other 大类没有可用的描述通道，必须标记掉，
-	// 否则每轮 Pending 都把它取出来重试，永远卡住队列头部。
-	a, ms := newMediaLoopAgent(t, true)
-
-	other, _ := ms.Put([]byte("blob"), media.Item{MIME: "application/octet-stream"})
-	a.describePendingMedia()
-
-	it, err := ms.Stat(other)
-	if err != nil {
+	defer g.Close()
+	if err := g.PutMemoryBlocks([]memory.MemoryBlock{
+		{ID: "blk_g", Modality: memory.BlockImage, PayloadDigest: d3},
+	}); err != nil {
 		t.Fatal(err)
 	}
-	if it.DescribedBy != "unsupported" {
-		t.Fatalf("不可描述的大类应被标记，实际 DescribedBy=%q", it.DescribedBy)
+	a.memory = g
+
+	held := a.heldMediaDigests()
+	for _, want := range []string{d1, d2, d3} {
+		if !held[want] {
+			t.Errorf("层次持有 %s 却不在结果里: %v", shortDigest(want), held)
+		}
 	}
-	pending, _ := ms.Pending(10)
-	if len(pending) != 0 {
-		t.Fatalf("标记 unsupported 后应退出待描述队列，仍有 %d 条", len(pending))
+	if held[d4] {
+		t.Errorf("无人持有的 %s 不该出现在结果里", shortDigest(d4))
 	}
 }
 
-func TestDescribePendingMedia_EmptyQueueIsNoop(t *testing.T) {
-	a, _ := newMediaLoopAgent(t, true)
-	a.describePendingMedia() // 不该 panic
+// payloadHeld 是删除前的活查询。
+func TestPayloadHeld(t *testing.T) {
+	a, ms := newMediaLoopAgent(t)
+	d, _ := ms.Put([]byte("held"), media.Item{MIME: "image/png"})
+	if a.payloadHeld(d) {
+		t.Fatal("尚无块持有时不该报已持有")
+	}
+
+	a.context = NewRelevanceContext("", memory.NewStaticEmbedder(""))
+	a.context.Append(ContextEvent{Input: "x", Blocks: []memory.MemoryBlock{
+		{ID: "blk_1", Modality: memory.BlockImage, PayloadDigest: d},
+	}})
+	if !a.payloadHeld(d) {
+		t.Fatal("L0 持有却报未持有")
+	}
+	if a.payloadHeld("") {
+		t.Fatal("空 digest 应为 false")
+	}
 }
 
 // TestForgetPayloads_DeletesOnlyUnheldContent 验证删除语义：

internal/agent/core/mediaref.go

@@ -59,21 +59,15 @@ func (a *Agent) blockFromDigest(digest string) (memory.MemoryBlock, bool) {
 }
 
 // 媒体记忆接线：把对话里出现的图片/音频落进内容寻址存储（CAS），
-// 并让 L0 的 ContextEvent 记住它们的 digest。
+// 并让 L0 的 ContextEvent 直接持有一等记忆块。
 //
-// 为何需要这一层：媒体进入对话有两条路，两条都只把**文字**留给记忆——
+// 媒体进入对话有两条路：用户直接发图（ContentBlock data URL）、插件注入
+// （SetToolBlocks）。两条都在这里收口：从 data URL 取出字节存进 CAS，
+// 用其向量构造一等记忆块挂到当轮 ContextEvent 上；事件被 Prune 时
+// 块随之迁移到 L2 文档。
 //
-//  1. 用户直接发图 → processInput/resolveInput → mediaToBlocks
-//     ContextEvent.Input 只存 alt 文本（"[从 qq 收到了 image]"），
-//     base64 随 message 数组发给模型后就丢了。
-//  2. 插件注入 → SetToolBlocks → process.go 的 mediaMsg
-//     ToolResultItem.Output 只存那句 "[已将图片注入后续对话] /tmp/x.png"。
-//
-// 于是下一轮对话起，模型能看到的只有一句路径或一句 alt。那个文件被删、
-// 被覆盖，或者本来就是 /tmp 下的临时产物，连线索都断了。
-//
-// 现在两条路都在同一处收口：从 ContentBlock 的 data URL 取出字节存进 CAS，
-// digest 挂到当轮 ContextEvent 上；事件被 Prune 归档进 L2 时引用随之转移。
+// 不再生成任何描述文本，也不再往正文写 media marker：图片只按自己的
+// 统一空间向量被检索，描述式索引是将就方案。
 
 // captureBlockMedia 把 blocks 里的 data URL 媒体落进 CAS，返回 digest 列表。
 //
@@ -183,53 +177,20 @@ func (a *Agent) bindEventMedia(evt *ContextEvent, digests []string) {
 	}
 }
 
-// mediaSummaryForEvent 给已有描述的媒体生成一行文字，供写进 ContextEvent.Input。
+// mediaLabel 渲染一行媒体标签，供提示词告知"这条记忆带着哪份媒体"。
 //
-// 这是方案 C 的落点：**描述文本才是持久语义记忆，blob 只是缓存**。
-// blob 可能已被删除，但描述会一直留在 L0/L2/L3 的文本里，
-// 让"那张紫蓝红三色带图"在几个月后仍然可被检索到。
-func (a *Agent) mediaSummaryForEvent(blocks []memory.MemoryBlock) string {
-	if a.mediaStore == nil || len(blocks) == 0 {
-		return ""
-	}
-	var lines []string
-	for _, b := range blocks {
-		if line := a.mediaMarkerLine(b.PayloadDigest); line != "" {
-			lines = append(lines, line)
-		}
-	}
-	if len(lines) == 0 {
-		return ""
-	}
-	return "媒体内容：\n" + strings.Join(lines, "\n")
-}
-
-// mediaMarkerLine 为一份媒体生成一行标记文本 `[<mime> <短digest>] <描述>`。
-//
-// 这是媒体标记格式的唯一生成处。此前 mediaSummaryForEvent 与
-// mediaContextForSentences 各拼一份，改动截断长度或分隔符时只改一处，
-// 另一处写出的标记就再也解析不回来——而解析失败是静默的（引用挂不上）。
-//
-// 查不到返回空串：媒体可能已被删除，此时不该造出一条指向虚无的标记。
-func (a *Agent) mediaMarkerLine(digest string) string {
-	if a.mediaStore == nil {
-		return ""
-	}
-	it, err := a.mediaStore.Stat(digest)
-	if err != nil || it == nil {
+// 不再包含任何生成的描述文本：图片只按自己的向量被检索，标签仅提供
+// MIME 与短 digest，让模型知道有这份媒体、可据 digest 取回字节。
+// 查不到返回空串：内容可能已被删除，不该造出一条指向虚无的标签。
+func mediaLabel(it *media.Item) string {
+	if it == nil {
 		return ""
 	}
 	label := string(it.Kind)
 	if it.MIME != "" {
 		label = it.MIME
 	}
-	desc := it.Description
-	if desc == "" {
-		// 「已入库但还没描述」与「压根没有媒体」必须可区分：描述由后台循环
-		// 异步补齐，占位符保证补齐前这份媒体也不会从文本里消失。
-		desc = "(未描述)"
-	}
-	return fmt.Sprintf("[%s %s] %s", label, shortDigest(digest), desc)
+	return fmt.Sprintf("[%s %s]", label, shortDigest(it.Digest))
 }
 
 // newEventID 生成 ContextEvent 的稳定标识。

internal/agent/core/mediaref_test.go

@@ -106,8 +106,8 @@ func TestCaptureBlockMedia_NilStoreIsNoop(t *testing.T) {
 	if len(evt.Blocks) != 0 || evt.ID != "" {
 		t.Fatalf("nil store 时不该改动事件: %+v", evt)
 	}
-	if s := a.mediaSummaryForEvent(nil); s != "" {
-		t.Fatalf("nil store 时摘要应为空，得到 %q", s)
+	if s := mediaLabel(nil); s != "" {
+		t.Fatalf("nil 媒体应产出空标签，得到 %q", s)
 	}
 }
 
@@ -183,31 +183,27 @@ func TestBindEventMedia_LazyIDOnlyWhenNeeded(t *testing.T) {
 	}
 }
 
-func TestMediaSummary_DescriptionIsThePersistentMemory(t *testing.T) {
-	// 方案 C 的核心：描述文本才是持久语义记忆，blob 只是缓存。
-	// blob 被容量 GC 淘汰后，描述仍留在 L0/L2/L3 的文本里可被检索。
+func TestMediaLabel_NoGeneratedDescription(t *testing.T) {
+	// 标签只用来告诉模型「这条记忆带着哪份媒体、可用该 digest 取回字节」。
+	// 它不包含任何生成的描述：描述式索引是把就机制，已彻底废弃。
 	a, ms := newTestAgentWithMedia(t)
 
 	d, _ := ms.Put([]byte("img"), media.Item{MIME: "image/png"})
-	b, ok := a.blockFromDigest(d)
-	if !ok {
-		t.Fatal("blockFromDigest 失败")
+	it, err := ms.Stat(d)
+	if err != nil {
+		t.Fatal(err)
 	}
-	if s := a.mediaSummaryForEvent([]memory.MemoryBlock{b}); s == "" {
-		t.Fatal("未描述项也应产出一行（标注未描述）")
-	}
-
-	ms.Describe(d, "一张紫蓝红三色带图", "visionllm")
-	s := a.mediaSummaryForEvent([]memory.MemoryBlock{b})
+	s := mediaLabel(it)
 	if s == "" {
-		t.Fatal("应产出摘要")
-	}
-	if !strings.Contains(s, "紫蓝红三色带图") {
-		t.Fatalf("摘要应含描述文本: %q", s)
+		t.Fatal("应产出标签")
 	}
 	if !strings.Contains(s, "image/png") {
-		t.Fatalf("摘要应含 MIME 标注: %q", s)
+		t.Fatalf("标签应含 MIME 标注: %q", s)
 	}
+	if !strings.Contains(s, shortDigest(d)) {
+		t.Fatalf("标签应含短 digest 供反查: %q", s)
+	}
+	_ = a
 }
 
 func TestPrune_NilMediaStoreStillArchives(t *testing.T) {

internal/agent/core/toolcall.go

@@ -190,11 +190,16 @@ func (a *Agent) executeMemoryTool(tc agentAPI.ToolCall) string {
 					Object:       getString(m, "object"),
 					SentenceText: getString(m, "sentence_text"),
 				}
-				// 模型显式关联的媒体：标记由内核补进句子文本，模型不必知道格式。
-				// 没有 sentence_text 时 sentenceWithMediaMarkers 会用标记本身
-				// 充当句子——媒体必须有句子落点，否则块边无法建立。
+				// 模型显式关联的媒体：结构化字段随三元组一起提交，
+				// 由 commitTriplesWithMedia 变成 L3 一等块并与句子建边——
+				// 不再把 marker 写进句子文本。
 				if digests := getStringSlice(m, "media_digests"); len(digests) > 0 {
-					t.SentenceText = a.sentenceWithMediaMarkers(t.SentenceText, digests)
+					t.MediaDigests = a.resolveMediaDigests(digests)
+					// 块边需要句子作端点。模型没给原句时用三元组本身拼一句
+					// 自然语言——不能造一段 marker 文本，那正是被废弃的东西。
+					if t.SentenceText == "" && len(t.MediaDigests) > 0 {
+						t.SentenceText = fmt.Sprintf("%s%s%s。", t.Subject, t.Relation, t.Object)
+					}
 				}
 				if t.Subject != "" && t.Relation != "" && t.Object != "" {
 					triples = append(triples, t)
@@ -531,10 +536,10 @@ func (a *Agent) executeDocTool(tc agentAPI.ToolCall) string {
 			if len(content) > 2000 {
 				content = content[:2000] + "..."
 			}
-			// 媒体说明单独一行进冷存事件：正文可能被上面的 2000 字截断，
-			// 而媒体标记往往在文档末尾——截掉之后模型就不知道这篇文档带过图。
-			if mc := a.docMediaContext(d.ID, d.Content); mc != "" {
-				content = content + "\n关联媒体: " + mc
+			// 媒体块标签单独一行进冷存事件：正文可能被上面的 2000 字截断，
+			// 截掉之后模型就不知道这篇文档带过图。
+			if labels := a.blockLabelsForDoc(d); labels != "" {
+				content = content + "\n关联媒体: " + labels
 			}
 			a.context.InsertByTimestamp(ContextEvent{
 				Timestamp: d.CreatedAt,
@@ -572,11 +577,10 @@ func (a *Agent) executeDocTool(tc agentAPI.ToolCall) string {
 			Source:  "manual",
 		}
 
-		// 模型显式关联的媒体：标记补进正文后再写入。顺序关键——向量索引用
-		// Summary+Content 计算，标记进不去正文就检索不到这份媒体。
-		mediaDigests := a.resolveMediaDigests(getStringSlice(tc.Arguments, "media_digests"))
-		doc.Content = a.sentenceWithMediaMarkers(doc.Content, mediaDigests)
-		for _, d := range mediaDigests {
+		// 模型显式关联的媒体：直接变成文档持有的一等块。
+		// 不再往正文写 marker——文档向量会融合这些块的媒体向量，
+		// 图片按自己的向量被检索。
+		for _, d := range a.resolveMediaDigests(getStringSlice(tc.Arguments, "media_digests")) {
 			if b, ok := a.blockFromDigest(d); ok {
 				doc.Blocks = append(doc.Blocks, b)
 			}