docs: update vectorization algorithm - LocalWordEmbedder (jieba + TF-IDF + PMI co-occurrence)

Context layer uses LocalWordEmbedder not plain TF-IDF:
- jieba segmentation, TF-IDF weights, sliding window PMI co-occurrence
- Document/Indexer layers still use char-bigram TF-IDF (TFIDFVectorizer)
- Add 'protect last 10 events' detail to Context pruning description

docs/zh/ARCHITECTURE.md

@@ -117,13 +117,25 @@ eventLoop() → processTextInput()
      → 三元组 → GraphDB.Commit
 ```
 
-### TF-IDF 向量化（char 1-2 gram）
+### 向量化算法：两种策略
 
-TF-IDF 是贯穿三层记忆的核心算法，在 4 个独立位置以不同方式使用：
+向量化在 4 个独立位置以不同方式使用：
+
+**策略 A — 局部词嵌入**（`LocalWordEmbedder`, `internal/memory/embedder.go`），用于 Context 层：
+
+- **jieba 分词** → 去除停用词和单字
+- **TF-IDF** 作为基础词权重
+- **滑动窗口（size=5）** 统计词对共现 → **PMI（点互信息）** → 保留 top 50
+- **向量化**：`vec[ctx] += TF-IDF × PMI` + 自身上标 `__w__` + TF-IDF
+
+**策略 B — char-bigram TF-IDF**（`TFIDFVectorizer`, `internal/memory/vector/`），用于 Document 和 Indexer 层：
+
+- **char bigram 分词**（1-2 gram）
+- **TF-IDF 权重** + **倒排索引**
 
 | 位置 | 文件 | 用途 | 算法 |
 |------|------|------|------|
-| Context Prune | `context.go:161` | 裁剪低相关性上下文事件 | CosineSimilarity(queryVec, evt.Vector) |
+| Context Prune | `context.go:161` | 裁剪低相关性上下文事件 | LocalWordEmbedder → CosineSimilarity(queryVec, evt.Vector) |
 | DocStore Query | `document.go:198` | 从文档记忆召回相关内容 | InvertedIndex + CosineSimilarity |
 | Indexer 实体搜索 | `indexer.go:149` | 从Graph召回相关实体 | InvertedIndex + CosineSimilarity |
 | 实体相似度检测 | `agent.go:2297` | 检测Graph中相似实体 | Bigram Jaccard (>0.75 → consolidation) |
@@ -132,7 +144,8 @@ TF-IDF 是贯穿三层记忆的核心算法，在 4 个独立位置以不同方
 
 `internal/agent/core/context.go` — `RelevanceContext`
 - 维护最近事件列表，每次 Append/Prune 写入 JSON 防丢
-- 用户输入时做 TF-IDF 相关性评分，保留 topK
+- 用户输入时做词嵌入相关性评分（LocalWordEmbedder → CosineSimilarity），保留 topK
+- 保护最近 10 条记录免于淘汰，超出部分按相关性排序归档到文档记忆
 
 ### Document 层
 

docs/zh/OVERVIEW.md

@@ -19,7 +19,7 @@ HomeAgent 是一个持续运行的个人智能 Agent 框架。
 这一划分的意义：内核保持纯粹（零 IO，只做编排和记忆），插件保持灵活（各司其职，热加载），互不污染。
 
 **三层记忆架构** — 解决 Agent 长期运行的记忆衰减：
-- **Context 层**：内存中 TF-IDF 评分的事件窗口，实时维护最近上下文，低相关性事件自动下沉到下一层
+- **Context 层**：内存中局部词嵌入评分的事件窗口（jieba + TF-IDF + PMI → CosineSimilarity），实时维护最近上下文，低相关性事件自动下沉到下一层
 - **Document 层**：JSON 文件 + TF-IDF 向量索引的临时记忆，支持显式提交和隐式归档，冷数据蒸馏到 Graph
 - **Graph 层**：SQLite 图数据库，持久化实体（entities）和关系（relations），BFS 遍历召回，蒸馏管道从对话中提取三元组
 
@@ -33,7 +33,7 @@ HomeAgent 是一个持续运行的个人智能 Agent 框架。
 - 维护一个消息循环（`eventLoop`），从 IO 层排队接收输入
 - 每次输入走完整的处理管道：记忆召回 → 人格注入 → LLM 调用 → 工具执行 → 输出发送
 - LLM 调用通过 Provider 接口抽象，支持 8 个 LLM 源自动降级
-- 上下文管理（`context.go`）基于 TF-IDF 评分，自动剪枝低相关性事件
+- 上下文管理（`context.go`）基于词嵌入评分（LocalWordEmbedder → CosineSimilarity），自动剪枝低相关性事件
 
 **记忆系统** (`internal/memory/`)：
 - **GraphDB** (`graph.go`) — SQLite，entities + relations 表，BFS 遍历