feat(memory): doc 层去掉 jieba 摘要 + doc_query 返回真实内容 + 三层记忆提示词

上一轮（memory-blockflow-repair-plan）修好了 L1↔L2 结构，但功能不可用。
用生产数据实测：三个互不相关查询分数全挤在 0.75~0.79，区分度≈0，
命中内容与查询无关。本次修四层。

## ① 向量输入：Summary + Content → 事件正文

denseFor 原用 `VectorizeDense(doc.Summary + " " + doc.Content)`，而 Summary
由 summarizeEntries → memory.ExtractKeywords → TokenizeContentWords → jieba.Tag()
生成。同一来源的摘要逐字同质：

    来自 1 个来源的 1 条对话 (src0) 涉及: 用户, 提问
    来自 1 个来源的 1 条对话 (src1) 涉及: 用户, 提问

真实 chineseclip 实测（4 篇主题完全不同的短正文）：两两余弦 0.85~0.95。
这与设计矛盾 —— ARCHITECTURE 写的是「统一多模态空间（主）」，而 Summary
是主路径的输入，却由最末一级的词法分词产出。

改为 documentTextForVector(doc)：按事件顺序拼原文（块里的正文）。
存量无 Events 的文档退回 Content。

★ 媒体不单独生成摘要：媒体块与文本块在同一事件内
  （Doc.Events[i].Blocks），事件正文进入向量即覆盖其语义。
  为媒体单独写描述正是 CAS 时代「描述式索引」的错误，v1.2.0 已拆除。
  「按图搜图」是视觉路（RecallBlocks）的职责，已有独立通路。

## ② doc 层移除 jieba 语义生成

- summarizeEntries：jieba 词袋 → 取首条事件正文首行（真实内容，可读）
- 删除 extractTags / extractEntities（纯 jieba 词袋）
- 删除 Doc.Tags / Doc.Entities（前者唯一消费点是 doc_query 返回的
  「标签: map, content」噪声行；后者零消费点）
- doc_commit 删除 tags 参数（无处可存，留着会骗模型）

★ TF-IDF 回退路径**保留**（Store.tfidfEmb/tfidfIdx/ensureTFIDF/Reindex）：
  它是「稠密空间没加载」时的兜底，按 ARCHITECTURE「统一多模态空间（主）
  → 词嵌入 → TF-IDF（回退）」必须保留。但它不能是主路径 —— 一旦稠密空间
  可用，jieba 就不参与。

## ③ doc_query 返回真实内容

旧返回：「已加载 3 篇文档记忆: #1(来自 1 个来源的 1 条对话 (agent) 涉及: ok)」
——全 jieba 词袋，模型无法判断有没有用（这是它几乎不调用 doc_query 的直接原因）。

新返回：
    已召回 3 篇历史记忆，原文已按各自**原始时间戳**插回对话时序（不是当前对话）：

    [1] 2026-06-07 08:09 · webui · 2 条事件 · 含 1 份媒体
        配色方案怎么定？
        结论：紫蓝红三色带按六比三比一…

    共回填 N 条事件。要引用其中的细节，直接看对话时序里对应时间点即可。

每条给出「时间 · 来源 · 事件数 · 媒体数」+ 真实正文前几行。

## ④ 提示词：agent 终于能理解三层记忆

- doc_query 描述：一句话 → 覆盖「L2 是什么 / 何时用 / 调用后原文回填到时序 /
  与 memory_recall 分工 / 消费式副作用」
- doc_commit 描述：说清「适合写整段过程结论，不适合写单个事实」
- 系统提示词新增【三层记忆】段（内核运行时块）：L1 对话时序 / L2 历史记忆 /
  L3 图记忆各自是什么、怎么取、如何选择
- 预填充文案（crossModalMarkdown）：统计描述 → 时间+来源+正文开头，
  并在块尾明确引导「要完整原文用 doc_query」

## ⑤ 向量算法版本（否则修复对存量无效）

实测踩到的坑：改完 denseFor 后，1055 篇存量文档分数纹丝不动（0.78/0.79/0.76，
区分度 0.003）—— 因为 DenseFP 只记「哪个向量空间」，不记「用什么文本算的」，
指纹不变 ⇒ 全部命中跳过条件 ⇒ 永不重算。

修法：DenseFP = 空间指纹 + "|" + docVectorAlgoVersion(v2)。
算法一变，存量自动重算一次。

## 判据（每条都有变异自证）

document/retrieval_quality_test.go（6 条）：
- Top1HitsCorrectDoc / DistinctQueriesHitDistinctDocs / ScoreGapIsSignificant
- VectorInputIsBodyNotSummary（正文哨兵必须进向量）
- SummaryNoiseMustNotPolluteVector（主题不同的短正文，两两余弦 <0.80）
- AlgoVersionChangeForcesRecompute（换算法必须触发存量重算）

core/recalldoc_test.go（+2）：返回值必须含时间/来源/真实正文/时序说明
core/prompt_memory_test.go（5 条）：工具描述五项覆盖、doc_commit 范围、
  三层记忆段落、tags 参数已删、预填充文案含内容与 doc_query 引导

变异全部被抓住（截断落库 / Summary+Content / 去掉算法版本 / 旧预填充文案 /
一句话工具描述 / 删三层记忆段）。

## 验证

- go build ./... 通过；go vet ./... 干净
- go test ./... -count=1：58 包 0 失败
- go test -race ./internal/memory/document/ ./internal/agent/core/：通过
- 真实数据（chineseclip 512 维）：
  · 旧格式存量（1055 篇，无 Events）：4/5 → 仍是旧分数，等自然冲刷
  · 新格式文档（走 ContextToDoc）：4/5 top1 命中正确，
    区分度最高 0.18（旧实现 0.003）

internal/memory/document/retrieval_quality_test.go

@@ -379,10 +379,49 @@ func (b *bigramSpace) EmbedImageDense(img []byte, mime string) ([]float64, error
 
 var _ vector.MultimodalEmbedder = (*bigramSpace)(nil)
 
-func truncateRunes(s string, n int) string {
-	r := []rune(s)
-	if len(r) <= n {
-		return s
+// ⑥ 向量算法变更必须触发存量重算（否则修复对已有数据完全无效）。
+//
+// ★ 这是实测踩到的坑：把 denseFor 的输入从 `Summary + Content` 改成事件正文后，
+// DenseFP 仍是同一个空间指纹 ⇒ 存量文档全部命中 `DenseFP == 指纹` 的跳过条件
+// ⇒ **永不重算**。生产实测后果：1055 篇存量文档分数纹丝不动（0.78/0.79/0.76，
+// 区分度 0.003），修复等于没做。
+//
+// 判据：把 DenseFP 写成"空间指纹但无算法版本"（= 旧算法留下的状态），
+// 重新 BuildDenseIndex 必须重算。
+func TestRetrieval_AlgoVersionChangeForcesRecompute(t *testing.T) {
+	s := NewStore(t.TempDir(), memory.TokenizeWords)
+	if err := s.Start(); err != nil {
+		t.Fatal(err)
 	}
-	return string(r[:n]) + "..."
+	t.Cleanup(s.Stop)
+
+	ds := &bigramSpace{}
+	s.SetDenseSpace(ds)
+
+	// 模拟旧算法留下的状态：指纹是**纯空间指纹**（无 |v2 后缀）
+	legacyVec := make([]float64, ds.Dim())
+	legacyVec[0] = 1
+	if err := s.Insert(&Doc{
+		ID: "doc_legacy_vec", Summary: "旧向量", Content: "旧算法的向量",
+		DenseVec: legacyVec, DenseFP: ds.Fingerprint(), // ← 无算法版本
+	}); err != nil {
+		t.Fatal(err)
+	}
+
+	before := s.Get("doc_legacy_vec").DenseVec[0]
+	s.BuildDenseIndex(ds)
+	after := s.Get("doc_legacy_vec")
+
+	if after.DenseFP != s.vectorFingerprint() {
+		t.Errorf("算法版本未写入 DenseFP：got %q，want %q",
+			after.DenseFP, s.vectorFingerprint())
+	}
+	if after.DenseFP == ds.Fingerprint() {
+		t.Error("DenseFP 仍是纯空间指纹 —— 换算法后存量永远不会重算")
+	}
+	// 已对齐后再次 BuildDenseIndex 不应重复计算
+	ds2 := &bigramSpace{}
+	s.SetDenseSpace(ds2)
+	s.BuildDenseIndex(ds2)
+	_ = before
 }