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/memory/media/media_vec_test.go

@@ -10,9 +10,9 @@ func TestQueryMedia_BasicSimilarity(t *testing.T) {
 	defer s.Close()
 
 	// 入库三张带向量的媒体：两张图、一段音频
-	d1, _ := s.Put([]byte("img1"), Item{MIME: "image/png", Description: "紫蓝红三色带"})
-	d2, _ := s.Put([]byte("img2"), Item{MIME: "image/jpeg", Description: "蓝紫红渐变"})
-	d3, _ := s.Put([]byte("aud1"), Item{MIME: "audio/wav", Description: "一段语音"})
+	d1, _ := s.Put([]byte("img1"), Item{MIME: "image/png"})
+	d2, _ := s.Put([]byte("img2"), Item{MIME: "image/jpeg"})
+	d3, _ := s.Put([]byte("aud1"), Item{MIME: "audio/wav"})
 
 	// 模拟视觉嵌入：img1 和 img2 向量接近，aud1 远离
 	vec1 := []float64{0.9, 0.1, 0.0, 0.0}
@@ -138,24 +138,24 @@ 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")
+	// 有向量且 vec_model 匹配 → 非 stale
+	d1, _ := s.Put([]byte("img1"), Item{MIME: "image/png"})
+	s.SetVec(d1, []float64{0.1}, "space-a")
 
-	// 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")
+	// 有向量但 vec_model 旧 → stale
+	d2, _ := s.Put([]byte("img2"), Item{MIME: "image/png"})
+	s.SetVec(d2, []float64{0.2}, "space-old")
 
-	// 有描述但从未嵌入（vec_model 空）→ stale
-	d3, _ := s.Put([]byte("img3"), Item{MIME: "image/png", Description: "图三"})
+	// 从未嵌入（vec_model 空）→ stale
+	d3, _ := s.Put([]byte("img3"), Item{MIME: "image/png"})
 
-	// 无描述但有图片 → 也应被迁移（描述是可选语义通道，图片应独立于描述参与向量空间）
+	// 与向量/描述无关的图片同样应被迁移：图片独立参与向量空间
 	d4, _ := s.Put([]byte("img4"), Item{MIME: "image/png"})
 
 	// 音频不参与图片迁移（StaleVecDigests 只查 kind='image'）
-	s.Put([]byte("aud1"), Item{MIME: "audio/wav", Description: "语音"})
+	s.Put([]byte("aud1"), Item{MIME: "audio/wav"})
 
-	stale, err := s.StaleVecDigests("clip-vit-b32")
+	stale, err := s.StaleVecDigests("space-a")
 	if err != nil {
 		t.Fatal(err)
 	}