docs: fix architecture boundaries - routing=unique input, LLM=unique output, memory=autonomous

Key corrections:
- Routing subnet is the ONLY external input path; all images/text/voice must pass through it
- LLM subnet is the ONLY external output path; natural language goes directly to user
- Core is a purely internal layer, not directly exposed to users
- Memory subnet is autonomous: Core only passes query tensors + new information tensors;
  how to update/delete/modify is entirely decided by memory subnet
- Routing subnet uses sliding window mechanism: instant label tensor generation → Core,
  then after the round ends, Core schedules routing to process remaining raw data
- Updated all ASCII diagrams, Mermaid diagrams, pseudo-code, and data flow charts
- Added border rules table to all relevant docs

docs/routing-compression-subnet.md

@@ -6,31 +6,65 @@
 
 ### 架构定位
 
+路由与压缩子网是 **NextAgent 唯一外部信息输入路径**。所有图像、文本、语音输入都必须经过此子网处理。
+
 ```
-原始输入 (图像/语音/文本)
+原始输入 (图像/语音/文本)  ←── 唯一外部输入入口
     │
     ▼
 ┌──────────────────────────────────────────────┐
 │           路由与压缩子网（感觉中枢）              │
 │                                              │
-│  ┌──────────┐  ┌──────────┐  ┌──────────┐   │
-│  │ 多模态     │  │ 特征融合  │  │ 压缩编码  │   │
-│  │ 编码器     │ →│ (Attention)│ →│ (AutoEnc)│   │
-│  └──────────┘  └──────────┘  └──────────┘   │
+│  ┌──────────────────────────────────────────┐│
+│  │  阶段 A（即时处理）                        ││
+│  │  输入产生时立即执行                        ││
+│  │                                          ││
+│  │  ┌──────────┐  ┌──────────┐  ┌────────┐ ││
+│  │  │ 多模态     │→│ 特征融合  │→│ 标签    │ ││
+│  │  │ 编码器     │ │ (Attention)│ │ 生成器  │ ││
+│  │  └──────────┘  └──────────┘  └────────┘ ││
+│  │                                          ││
+│  │  输出：标签张量 → 立即发送给调度 Core       ││
+│  │  原始数据 → 存入滑动窗口（保留一段时间）    ││
+│  └──────────────────────────────────────────┘│
 │                                              │
-│  ┌──────────────────────────────────────┐    │
-│  │       张量编码层 (Tensor Encoder)      │    │
-│  │  内部张量 → 标准通信张量               │    │
-│  └──────────────────────────────────────┘    │
+│  ┌──────────────────────────────────────────┐│
+│  │  阶段 B（轮结束后执行）                    ││
+│  │  Core 通知后触发                         ││
+│  │                                          ││
+│  │  ┌──────────┐  ┌──────────┐  ┌────────┐ ││
+│  │  │ 压缩编码  │→│ 张量化    │→│ 归档/   │ ││
+│  │  │ (AutoEnc) │ │ (Tensor)  │ │ 丢弃    │ ││
+│  │  └──────────┘  └──────────┘  └────────┘ ││
+│  │                                          ││
+│  │  处理目标：滑动窗口中的原始数据             ││
+│  └──────────────────────────────────────────┘│
 │                                              │
 └──────────────────┬───────────────────────────┘
                    │
-                   ▼
-         标准引用张量 (Standard Ref Tensor)
-                   │
-          → 发送给调度 Core
+                   ├── 阶段 A: 标签张量（即时） → 调度 Core
+                   └── 阶段 B: 处理后数据（轮结束）→ 冷区存储/丢弃
 ```
 
+### 滑动窗口机制
+
+路由子网维护一个**滑动窗口**暂存原始输入数据：
+
+| 参数 | 说明 |
+|------|------|
+| 窗口大小 | 最近 N 条输入（可配置，默认 10 条） |
+| 保留时间 | 窗口内数据在本轮调度结束前均有效 |
+| 触发清除 | Core 通知 `flush_window()` 后处理残留数据 |
+| 数据用途 | 供 Core 调度中间再次提取详细特征 |
+
+### 边界规则
+
+| 规则 | 说明 |
+|------|------|
+| 唯一输入路径 | 所有外部数据必须经过此子网 |
+| 不参与调度循环内部 | 路由子网不参与 Core 的内部记忆/推理循环（除非 Core 要求从窗口提取更多特征） |
+| 两阶段处理 | 快速出标签 → 轮结束再处理原始数据 |
+
 ### 输入/输出
 
 | 项目 | 说明 |