refactor(clip): CLIP 收敛为稠密 MultimodalEmbedder，不污染稀疏 Vectorizer/TF-IDF 语义

文本相似度检索是层次化系统：TF-IDF 高频削弱加权（idf<0.1 丢弃）+
倒排剪枝（只召回共享特征者）+ cosine。CLIP 512 维稠密向量若以
map[string]float64 稀疏形式实现 vector.Vectorizer 并塞进 vector.Store，
会让 512 维全部成为倒排 key → 候选集≈全库、剪枝失效，且绕过 TF-IDF
高频削弱，与既有文本检索语义错配。

收敛：
- vector.MultimodalEmbedder 改为独立稠密接口（VectorizeDense/
  EmbedImageDense/Fingerprint/Dim/Loaded/Close），不再继承稀疏 Vectorizer
- clip.Embedder 删除稀疏垫片 Vectorize/EmbedImage/denseToVector，
  只产出稠密向量；文档/知识/上下文层继续用 TF-IDF/fastText 稀疏路径
- 分层明确：文本→文本走 TF-IDF/fastText；文本↔图像、图像↔图像走
  CLIP 稠密 QueryMedia（媒体层独立稠密余弦，原样保留）

internal/memory/clip/embedder_stub.go

@@ -4,12 +4,10 @@ package clip
 
 import (
 	"fmt"
-
-	"gitcode.com/JianFeeeee/HomeAgent/internal/memory/vector"
 )
 
 // Embedder 在未启用 onnxruntime 时为 no-op 实现。
-// 构建时不链接 onnxruntime，default 构建保持原有 fastText/TF-IDF 行为不变。
+// 构建时不链接 onnxruntime，默认构建保持原有 fastText/TF-IDF 行为不变。
 type Embedder struct {
 	loaded bool
 }
@@ -18,17 +16,13 @@ func New(_ string) (*Embedder, error) {
 	return nil, fmt.Errorf("clip embedder requires build tag 'onnxruntime' (go build -tags onnxruntime)")
 }
 
-func (e *Embedder) Fingerprint() string              { return "" }
-func (e *Embedder) Dim() int                         { return 0 }
-func (e *Embedder) Loaded() bool                     { return e.loaded }
-func (e *Embedder) Vectorize(_ string) vector.Vector { return nil }
-func (e *Embedder) EmbedImage(_ []byte, _ string) (vector.Vector, error) {
-	return nil, fmt.Errorf("clip embedder not available")
-}
+func (e *Embedder) Fingerprint() string { return "" }
+func (e *Embedder) Dim() int            { return 0 }
+func (e *Embedder) Loaded() bool        { return e.loaded }
+func (e *Embedder) Close()              {}
 func (e *Embedder) VectorizeDense(_ string) ([]float64, error) {
 	return nil, fmt.Errorf("clip embedder not available")
 }
 func (e *Embedder) EmbedImageDense(_ []byte, _ string) ([]float64, error) {
 	return nil, fmt.Errorf("clip embedder not available")
 }
-func (e *Embedder) Close() {}