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/stress_test.go

@@ -306,9 +306,9 @@ func TestStress_DeleteConcurrentWithReads(t *testing.T) {
 	}
 }
 
-func TestStress_DescribeConcurrentWithSearch(t *testing.T) {
-	// 描述写入与检索并发。C 部分的后台描述任务会长期这样跑。
-	s := newTestStore(t, 0)
+func TestStress_SetVecConcurrentWithQuery(t *testing.T) {
+	// 嵌入写入与向量检索并发（启动时的向量迁移就会长期这样跑）。
+	s := newTestStore(t)
 	const n = 60
 	digests := make([]string, n)
 	for i := range digests {
@@ -320,55 +320,52 @@ func TestStress_DescribeConcurrentWithSearch(t *testing.T) {
 	}
 
 	var wg sync.WaitGroup
-	var descErr, searchErr atomic.Int64
+	var writeErr, queryErr atomic.Int64
 
-	// 描述写入者
+	// 向量写入者
 	for w := 0; w < 4; w++ {
 		wg.Add(1)
 		go func(wid int) {
 			defer wg.Done()
 			for i := wid; i < n; i += 4 {
-				desc := fmt.Sprintf("第 %d 张图，含蓝色图表与文字", i)
-				if err := s.Describe(digests[i], desc, "vis-src"); err != nil {
-					descErr.Add(1)
+				vec := []float64{1, float64(i) / 100, 0}
+				if err := s.SetVec(digests[i], vec, "space"); err != nil {
+					writeErr.Add(1)
 				}
 			}
 		}(w)
 	}
 
-	// 检索者 + Pending 消费者
+	// 检索者
 	for r := 0; r < 3; r++ {
 		wg.Add(1)
 		go func() {
 			defer wg.Done()
 			for i := 0; i < 50; i++ {
-				if _, err := s.Search("图表", KindImage, 20); err != nil {
-					searchErr.Add(1)
-				}
-				if _, err := s.Pending(10); err != nil {
-					searchErr.Add(1)
+				if _, err := s.QueryMediaScored([]float64{1, 0, 0}, "space", 20); err != nil {
+					queryErr.Add(1)
 				}
 			}
 		}()
 	}
 	wg.Wait()
 
-	if v := descErr.Load(); v > 0 {
-		t.Fatalf("Describe 失败 %d 次", v)
+	if v := writeErr.Load(); v > 0 {
+		t.Fatalf("SetVec 失败 %d 次", v)
 	}
-	if v := searchErr.Load(); v > 0 {
-		t.Fatalf("Search/Pending 失败 %d 次", v)
+	if v := queryErr.Load(); v > 0 {
+		t.Fatalf("QueryMediaScored 失败 %d 次", v)
 	}
 
-	// 全部应已描述完
-	pending, err := s.Pending(1000)
+	// 全部应已嵌入，且都在同一空间
+	stale, err := s.StaleVecDigestsAll("space")
 	if err != nil {
 		t.Fatal(err)
 	}
-	if len(pending) != 0 {
-		t.Fatalf("应全部描述完，仍有 %d 条未描述", len(pending))
+	if len(stale) != 0 {
+		t.Fatalf("应全部已嵌入，仍有 %d 条未嵌入", len(stale))
 	}
-	got, err := s.Search("图表", KindImage, 1000)
+	got, err := s.QueryMediaScored([]float64{1, 0, 0}, "space", 1000)
 	if err != nil {
 		t.Fatal(err)
 	}