feat(memory): 千问文本塔 ONNX 嵌入器（onnxruntime 标签，含 stub）

与 internal/memory/clip 同模式：`//go:build onnxruntime` 编真实实现，无标签时
走 stub，默认构建不链接 onnxruntime、行为不变。

加载契约（目录由 core.memory.multimodal_space.model_dir 指定）：
TextTower.onnx + 外部权重分片、tokenizer.json、embed_config.json。
图内已含 last-token 池化，输出即 [batch, dim]；L2 归一化在 Go 侧做。

两个刻意的设计选择：

1. **EmbedImageDense 明确报错，不返回零向量**
   导出的是文本塔，视觉塔未导出。返回零向量会让「写入了但检索不到」，
   把跨模态检索失效变成静默故障；明确报错则调用方（mediaref.go）log 后
   跳过写向量，文本路径不受影响。

2. **Fingerprint 只哈希图文件 + 配置 + 外部权重的文件名与大小**
   该目录有 6.5GB 权重分片，启动时全读一遍要几十秒、会阻塞 homeagent 启动。
   换模型必然改变文件集合或大小，足以识别切换；代价是理论上存在
   「大小相同但内容不同」的漏判，对本地单机部署可接受。已写入注释。

模板渲染（renderInstructionInput）放在无构建标签的 tokenizer.go，因此可被
测试覆盖：参考数据里有该模板串的用例，逐 token 对齐验证——模板差一个字符，
池化取到的「最后一个有效 token」位置就变，向量就不同，且不会报错。

验证：6 个测试全绿；go build ./...（stub）与 go build -tags onnxruntime
（真实实现）均通过。

internal/memory/qwen/tokenizer.go

@@ -136,6 +136,24 @@ func (t *Tokenizer) SpecialID(content string) (int, bool) {
 	return 0, false
 }
 
+// DefaultInstruction 是导出脚本随 embed_config.json 写入的默认指令。
+const DefaultInstruction = "Represent the user's input."
+
+// renderInstructionInput 按模型自带的对话模板拼输入（无构建标签，便于测试）。
+//
+// 必须与 HuggingFace processor 的 apply_chat_template(add_generation_prompt=True)
+// 产出完全一致：指令放 system、正文放 user、以 assistant 起始符结尾。差一个
+// 特殊 token，池化取到的「最后一个有效 token」位置就变了，嵌入也就不同——
+// 而且不会报错。参考数据集里有该模板串的用例，能逐 token 对齐验证。
+func renderInstructionInput(instruction, text string) string {
+	if instruction == "" {
+		instruction = DefaultInstruction
+	}
+	return "<|im_start|>system\n" + instruction +
+		"<|im_end|>\n<|im_start|>user\n" + text +
+		"<|im_end|>\n<|im_start|>assistant\n"
+}
+
 // Encode 把文本编码为 token id 序列（不含特殊 token、不做截断）。
 func (t *Tokenizer) Encode(text string) []int {
 	var ids []int