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/memory/qwen/model_input.go

@@ -0,0 +1,86 @@
+//go:build onnxruntime
+
+package qwen
+
+import (
+	"fmt"
+	"strings"
+)
+
+// imageModelInput 构造 Qwen3-VL 单图对话模板及对应 M-RoPE 位置。
+// 固定 768×768 视觉塔产生 576 个合并后的视觉 token。
+func (t *Tokenizer) imageModelInput(instruction string, maxLen int) (ids []int, attention, position []int64, visual []bool, err error) {
+	if instruction == "" {
+		instruction = DefaultInstruction
+	}
+	text := "<|im_start|>system\n" + instruction +
+		"<|im_end|>\n<|im_start|>user\n<|vision_start|>" +
+		strings.Repeat("<|image_pad|>", qwenVisualTokens) +
+		"<|vision_end|><|im_end|>\n<|im_start|>assistant\n"
+	ids, err = t.encodeModelInput(text, maxLen)
+	if err != nil {
+		return nil, nil, nil, nil, err
+	}
+	imageID, ok := t.SpecialID("<|image_pad|>")
+	if !ok {
+		return nil, nil, nil, nil, fmt.Errorf("tokenizer.json 缺少 <|image_pad|>")
+	}
+
+	visual = make([]bool, len(ids))
+	attention = make([]int64, len(ids))
+	position = make([]int64, 3*len(ids))
+	for i, id := range ids {
+		attention[i] = 1
+		visual[i] = id == imageID
+	}
+
+	current := int64(0)
+	for start := 0; start < len(ids); {
+		isVisual := visual[start]
+		end := start + 1
+		for end < len(ids) && visual[end] == isVisual {
+			end++
+		}
+		if !isVisual {
+			for i := start; i < end; i++ {
+				p := current + int64(i-start)
+				position[i] = p
+				position[len(ids)+i] = p
+				position[2*len(ids)+i] = p
+			}
+			current += int64(end - start)
+		} else {
+			if end-start != qwenVisualTokens {
+				return nil, nil, nil, nil, fmt.Errorf("qwen: image token count=%d, want %d", end-start, qwenVisualTokens)
+			}
+			side := qwenImageSize / qwenPatchSize / qwenSpatialMerge
+			for i := start; i < end; i++ {
+				j := i - start
+				position[i] = current
+				position[len(ids)+i] = current + int64(j/side)
+				position[2*len(ids)+i] = current + int64(j%side)
+			}
+			current += int64(side)
+		}
+		start = end
+	}
+	return ids, attention, position, visual, nil
+}
+
+// textModelInput 执行完整 tokenizer post_processor，并构造纯文本标准 RoPE 位置。
+func (t *Tokenizer) textModelInput(instruction, text string, maxLen int) (ids []int, attention, position []int64, visual []bool, err error) {
+	ids, err = t.encodeModelInput(renderInstructionInput(instruction, text), maxLen)
+	if err != nil {
+		return nil, nil, nil, nil, err
+	}
+	attention = make([]int64, len(ids))
+	position = make([]int64, 3*len(ids))
+	visual = make([]bool, len(ids))
+	for i := range ids {
+		attention[i] = 1
+		position[i] = int64(i)
+		position[len(ids)+i] = int64(i)
+		position[2*len(ids)+i] = int64(i)
+	}
+	return ids, attention, position, visual, nil
+}