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/agent/core/crossmodal.go

@@ -12,8 +12,8 @@ import (
 
 // CrossModalHit 是跨模态检索融合后的一条候选。
 //
-// 统一的检索单元是记忆块而非 CAS 全库：媒体在 L0/L2/L3 都和文本一样有 owner，
-// 只有仍被某层记忆引用的媒体才可召回。Doc 是 L2 文档块；Media 是该块携带的
+// 统一的检索单元是记忆块而非 CAS 全库：媒体在 L0/L2/L3 都由层容器持有，
+// 只有仍被某层记忆块持有的媒体才可召回。Doc 是 L2 文档；Media 是该块携带的
 // 原生媒体坐标。两路分数尺度不同，融合前各自归一化，见 fuseCrossModal。
 type CrossModalHit struct {
 	Doc        *document.Doc // 文本路命中的文档；视觉路命中时为 nil
@@ -67,10 +67,10 @@ func (c CrossModalFusionConfig) minMaxEps() float64 {
 // retrieveCrossModal 是跨模态并行检索的统一入口。
 //
 // 策略（两路并行，召回真正最相似的）：
-//  1. 文本路：query 整段文本用现有方法（fastText/TF-IDF 稀疏 cosine）查文档层，
-//     每个命中文档再反查其关联媒体（docMediaContext）——描述文本命中即媒体命中。
-//  2. 视觉路：query 整段文本经多模态模型文本编码 → 与媒体库全部图像坐标比余弦
-//     （QueryMediaScored），覆盖描述文本没写到的视觉内容。
+//  1. 文本路：query 整段文本编码后查文档层（Doc.DenseVec 已融合其块的媒体向量），
+//     命中文档若持有媒体块，直接带上该块。
+//  2. 视觉路：query 经多模态模型文本编码 → 与媒体块向量比余弦
+//     （QueryMediaScored），覆盖文本向量没写到的视觉内容。
 //  3. 融合：两条路候选各自 min-max 归一化到 [0,1]，加权求和后降序，取 topK。
 //     同一媒体被两路同时命中视为双信号确认，额外加权。
 //
@@ -90,8 +90,7 @@ func (a *Agent) retrieveCrossModal(query string, topK int, cfg CrossModalFusionC
 	if a.docStore != nil {
 		for _, dh := range a.docStore.QueryScored(query, per) {
 			hit := CrossModalHit{Doc: dh.Doc, DocScore: dh.Score}
-			// 命中文档若持有一等记忆块，把首个媒体块一并带上：
-			// 描述文本命中 → 该媒体就是相关记忆，供后续展示/注入。
+			// 命中文档若持有一等记忆块，把首个媒体块一并带上。
 			if a.mediaStore != nil && len(dh.Doc.Blocks) > 0 {
 				if it, err := a.mediaStore.Stat(dh.Doc.Blocks[0].PayloadDigest); err == nil {
 					hit.Media = it
@@ -110,7 +109,13 @@ func (a *Agent) retrieveCrossModal(query string, topK int, cfg CrossModalFusionC
 		} else if mh, err := a.mediaStore.QueryMediaScored(qv, a.multimodalSpace.Fingerprint(), per); err != nil {
 			log.Printf("[crossmodal] 媒体记忆检索失败: %v", err)
 		} else {
+			// 只有仍被某层记忆块持有的媒体才可召回：CAS 是全库字节存储，
+			// 直接拿它的检索结果会把已无处可归的内容也从记忆里翻出来。
+			held := a.heldMediaDigests()
 			for _, h := range mh {
+				if h.Item == nil || !held[h.Item.Digest] {
+					continue
+				}
 				visualHits = append(visualHits, CrossModalHit{
 					Media: h.Item, MediaScore: h.Score,
 				})
@@ -228,8 +233,7 @@ func fuseCrossModal(textHits, visualHits []CrossModalHit, topK int, cfg CrossMod
 }
 
 // crossModalMarkdown 把融合候选渲染成注入上下文的文本。
-// 文档行对齐既有【相关记忆文档】格式；媒体行复用 mediaMarkerLine 的
-// `[<mime> <短digest>] <描述>` 格式（那是解析回媒体引用的唯一合法格式）。
+// 文档行给出摘要；媒体行只给 MIME + 短 digest（不再有生成的描述）。
 func (a *Agent) crossModalMarkdown(hits []CrossModalHit) string {
 	if len(hits) == 0 {
 		return ""
@@ -253,7 +257,7 @@ func (a *Agent) crossModalMarkdown(hits []CrossModalHit) string {
 			}
 		}
 		if h.Media != nil {
-			if line := a.mediaMarkerLine(h.Media.Digest); line != "" {
+			if line := mediaLabel(h.Media); line != "" {
 				parts = append(parts, line)
 			}
 		}