feat(clip): 多模态向量器（CLIP ONNX）——文本/图像 512 维共享空间 + 媒体向量写入与重算

- internal/memory/clip：CLIP ONNX 向量器（onnxruntime 构建标签控制，默认构建不链接 ONNX）
  - clip.New(modelDir) 加载 text.onnx/vision.onnx（输出 text_embed/image_embed [batch,512]）
  - 实现 vector.Vectorizer + vector.MultimodalEmbedder（Vectorize/EmbedImage + Dense 变体）
  - 词级 BPE tokenizer：merges 合并后词末片段带 </w> 查 vocab，与官方 encode 逐 id 对齐
  - EmbedImage：解码→resize 224→NCHW→normalize→vision session
  - Fingerprint（text+vision 文件 sha256）供模型切换检测
  - stub 版（无 onnxruntime 标签）保持默认构建行为不变
- vector/store.go：新增 MultimodalEmbedder 接口
- media.Store：新增 StaleVecDigests(currentModel)——查 vec_model 不匹配/缺失的图片
- agent core：AgentConfig.ClipEmbedder + Agent.clipEmb 接线；
  describePendingMedia 描述成功后 EmbedImageDense→SetVec；
  新增 reembedStaleMedia 启动补算历史无向量图片
- config：core.memory.media.clip_model_dir（未配置退化为现有 fastText/TF-IDF 行为）
- cmd/homed：读 clip_model_dir 加载 CLIP，失败仅记日志不阻塞启动

测试：TestSmokeLoadAndEncode（文本语义 cat>dog 0.914>physics 0.740）、
TestCrossModalAlignment（red-image vs red-text 0.063>blue -0.009，与 Python 一致）、
TestTokEnd（与官方 encode 逐 id 对齐）、TestStaleVecDigests，含 -race 全绿

internal/memory/media/media.go

@@ -24,9 +24,9 @@ import (
 	"fmt"
 	"io"
 	"math"
-	"sort"
 	"os"
 	"path/filepath"
+	"sort"
 	"strings"
 	"sync"
 	"time"
@@ -646,6 +646,34 @@ func (s *Store) SetVec(digest string, vec []float64, model string) error {
 	return err
 }
 
+// StaleVecDigests 返回所有需要重新嵌入的图片 digest：
+// vec_model 不等于 currentModel（模型切换）或 vec_model 为空（从未嵌入）。
+// 调用方使用返回的 digest 列表调用 Get/EmbedImage/SetVec 完成重算。
+func (s *Store) StaleVecDigests(currentModel string) ([]string, error) {
+	s.mu.RLock()
+	defer s.mu.RUnlock()
+
+	rows, err := s.db.Query(`
+		SELECT digest FROM media
+		WHERE kind = 'image'
+		  AND COALESCE(description,'') != ''
+		  AND (COALESCE(vec_model,'') = '' OR vec_model != ?)
+		ORDER BY last_seen`, currentModel)
+	if err != nil {
+		return nil, err
+	}
+	defer rows.Close()
+
+	var digests []string
+	for rows.Next() {
+		var d string
+		if err := rows.Scan(&d); err == nil {
+			digests = append(digests, d)
+		}
+	}
+	return digests, rows.Err()
+}
+
 // QueryMedia 用查询向量对所有已嵌入媒体做余弦相似度检索，返回 topK 个最相似的 Item。
 //
 // 这是跨模态检索的关键：查询可以是图片也可以是文本（经文本向量化后调用此方法），

internal/memory/media/media_vec_test.go

@@ -133,3 +133,43 @@ func TestSetVec_PersistsCorrectly(t *testing.T) {
 		}
 	}
 }
+
+func TestStaleVecDigests(t *testing.T) {
+	s := newTestStore(t, 0)
+	defer s.Close()
+
+	// 有描述且 vec_model 匹配 → 非 stale
+	d1, _ := s.Put([]byte("img1"), Item{MIME: "image/png", Description: "图一"})
+	s.SetVec(d1, []float64{0.1}, "clip-vit-b32")
+
+	// 有描述但 vec_model 旧 → stale
+	d2, _ := s.Put([]byte("img2"), Item{MIME: "image/png", Description: "图二"})
+	s.SetVec(d2, []float64{0.2}, "clip-vit-b14")
+
+	// 有描述但从未嵌入（vec_model 空）→ stale
+	d3, _ := s.Put([]byte("img3"), Item{MIME: "image/png", Description: "图三"})
+
+	// 无描述 → 不参与（描述流程外）
+	s.Put([]byte("img4"), Item{MIME: "image/png"})
+
+	// 音频不属于图片 → 不算 stale
+	s.Put([]byte("aud1"), Item{MIME: "audio/wav", Description: "语音"})
+
+	stale, err := s.StaleVecDigests("clip-vit-b32")
+	if err != nil {
+		t.Fatal(err)
+	}
+	if len(stale) != 2 {
+		t.Fatalf("expected 2 stale digests (d2 旧模型 + d3 未嵌入), got %d: %v", len(stale), stale)
+	}
+	got := map[string]bool{}
+	for _, d := range stale {
+		got[d] = true
+	}
+	if !got[d2] || !got[d3] {
+		t.Errorf("expected d2 and d3 stale, got %v", stale)
+	}
+	if got[d1] {
+		t.Errorf("d1 (匹配模型) 不应 stale")
+	}
+}