fix(memory)!: 视觉路被文本块饿死 —— 模态过滤必须在截断之前

## 回归（块 union 化引入，真实数据实测）

CAS 时代 `crossmodal.go` 的视觉路查 `QueryMediaScored`，SQL 是
`FROM media`——**只含媒体**，结构上不可能被文本块挤掉。
86572d13 把它换成通用 `RecallBlocks`（全局 top-K，含数千文本块），
于是视觉路每查必空。

## 定量证据（生产模型 chineseclip + 真实生产库副本）

同一向量空间内，文本查询与两类块的原始余弦：

| 查询 | 图像块 max / p95 | 文本块 max / p95 |
|---|---|---|
| 图片 | 0.3773 / 0.3554 | 1.0000 / 0.8644 |
| 一张图片 | 0.4096 / 0.3707 | 0.9222 / 0.8693 |
| 照片 | 0.3850 / 0.3651 | 0.9349 / 0.8672 |

图片的绝对相似度天然低于「字面相同的文本」。复刻生产调用
（per = max(8, topK*2)，再 `continue` 掉文本块）：

    per=  8 → 5 次查询 40 条，图像块 0 条
    per=200 → 5 次查询 1000 条，图像块 0 条   ← 视觉路被彻底饿死

根因：**「取全局 top-K 再过滤掉文本块」——过滤发生在截断之后**，
名额早已被文本块占满。下面的 `continue` 只是防御，不是筛选手段。

## 修法

`BlockRecallQuery` 新增 `Modality` / `ExcludeText`，并在 **SQL 层**
限定（不是取回来再丢）：
  - 语义正确：让 top-K 在目标模态内部竞争
  - 顺带省算力：不必反序列化 3639 个文本块的向量再丢弃

`crossmodal.go` 视觉路传 `ExcludeText: true`。修复后同一诊断：
`per=200 → 560 条全部是图像块，文本块 0 条`。

## 判据（含变异）

- `TestRecallBlocks_模态过滤在截断前生效`（单测，500 满分文本块 + 2 低分媒体块）：
  ① `ExcludeText` TopK=2 仍取到 2 个媒体块；② `Modality=image` 只返回图像块。
  **变异**（同时移除 SQL 过滤与循环内 continue）→ 两条断言当场 FAIL。
  注：只移除 SQL 过滤而保留循环内 continue **不算变异**——语义等价，
  差别仅在性能（这点也实测确认过）。
- `TestE2E_MultimodalBlockRecall`（-tags 'e2e onnxruntime'，生产模型 + 真库）：
  ① 12 个真图块可嵌入（512 维）；② 12/12 块能被自己的向量召回（纯向量）；
  ③ 跨进程重开后向量/指纹/字节都在；④ `ExcludeText` 视觉路召到 20 个媒体块。
  判据②原写成"必须 top1"，实测发现同一张图被存成 4 个块（digest 相同）
  → 向量逐位相同 → 并列满分，top1 只取决于排序稳定性。
  改为"必须出现在满分并列集，且排在它前面的都必须是同内容"。

回归：memory / agent-core / sdk 全绿；全仓生产编译 GREEN。

internal/memory/block_recall.go

@@ -44,6 +44,21 @@ type BlockRecallQuery struct {
 	TopK        int
 	// MinScore 低于此分数的候选被丢弃（0 表示不设下限）。
 	MinScore float64
+	// Modality 非空时只召回该模态的块（空 = 不限）。
+	//
+	// ★ 为何需要它（实测回归）：CAS 时代视觉路查 `FROM media`（只含媒体），
+	//   结构上不可能被文本块挤掉。块 union 化后视觉路改用本接口（全局
+	//   top-K，含数千文本块），而实测同一个 chineseclip 空间里：
+	//       查询「图片」→ 图像块 max cosine 0.377，文本块 max 1.000
+	//       查询「照片」→ 图像块 max 0.385，文本块 max 0.935
+	//   图片的绝对相似度天然低于字面相同的文本，per=200 时视觉路返回
+	//   1000 条里**图像块 0 条** —— 视觉路被彻底饿死。
+	//   所以“取全局 top-K 再过滤掉文本块”是错的取法：过滤发生在截断之后。
+	//   必须在 SQL 层就限定模态，让 top-K 在目标模态内部竞争。
+	Modality BlockModality
+	// ExcludeText 为 true 时排除文本块（等价 Modality 取非文本全集，
+	// 用于“媒体块”语义；模态可能有 image/video/audio 多种）。
+	ExcludeText bool
 	// SkipCentroid 关闭中心化校正，直接用原始向量算余弦。
 	//
 	// 默认是要校正的：实测 chineseclip 的块向量均值范数 0.9374，
@@ -85,14 +100,25 @@ func (g *GraphDB) RecallBlocks(q BlockRecallQuery) ([]BlockHit, error) {
 	g.mu.RLock()
 	defer g.mu.RUnlock()
 
-	rows, err := g.db.Query(`SELECT ` + blockColumns + `
+	// 模态过滤下沉到 SQL：文本块动辄数千，把它们读进来再丢弃是白花
+	// 向量反序列化与余弦计算的钱（实测 3639 文本块 vs 112 图像块）。
+	query := `SELECT ` + blockColumns + `
 		FROM memory_blocks
-		WHERE vector IS NOT NULL AND vector != '' AND vector != 'null'`)
+		WHERE vector IS NOT NULL AND vector != '' AND vector != 'null'`
+	var args []interface{}
+	if q.Modality != "" {
+		query += ` AND modality = ?`
+		args = append(args, string(q.Modality))
+	}
+	if q.ExcludeText {
+		query += ` AND modality != ?`
+		args = append(args, string(BlockText))
+	}
+	rows, err := g.db.Query(query, args...)
 	if err != nil {
 		return nil, err
 	}
 	defer rows.Close()
-
 	dim := len(q.Vector)
 	var hits []BlockHit
 	var skippedDim, skippedFP, scanned int
@@ -113,7 +139,15 @@ func (g *GraphDB) RecallBlocks(q BlockRecallQuery) ([]BlockHit, error) {
 			skippedFP++
 			continue
 		}
-		// ★ 中心化：查询向量与块向量**都要**中心化后再算余弦。
+		// 模态过滤已在 SQL 层完成（见上）。这里保留一段防御式判断：
+		// 调用方若直接拼 SQL 绕过（未来新路径），语义不变。
+		if q.Modality != "" && b.Modality != q.Modality {
+			continue
+		}
+		if q.ExcludeText && b.Modality == BlockText {
+			continue
+		}
+		// 中心化：查询向量与块向量**都要**中心化后再算余弦。
 		// 只处理一边的话等于在混两种量纲（一半带公共分量、一半不带），
 		// 算出的余弦没有意义。
 		score := centerBoth(centroid, vec, q.Vector)