fix(memory): correct memory architecture to 3-layer design (text/vector/graph)

docs/memory-subnet.md

@@ -2,7 +2,7 @@
 
 ## 概述
 
-记忆子网类比人脑的**海马体与皮层**，负责长期记忆的存储、检索和管理。采用**三级存储架构**：图数据库（Neo4j）存储结构化知识图谱、向量数据库存储语义向量、文本存储记录会话历史。
+记忆子网类比人脑的**海马体与皮层**，负责记忆的存储、检索和管理。采用**三层记忆架构**：**文本记忆**（短对话临时工作区）、**向量记忆**（语义检索）、**图记忆**（结构化知识）。
 
 > 图数据库记忆设计参考了 [TrulyMEM-TrueHumanMEM](https://jianfgit.xyz:220/jianf/TrulyMEM-TrueHumanMEM.git) 项目。
 
@@ -27,22 +27,37 @@
 │  ┌────────────────────────────────────────────────────┐   │
 │  │         记忆管理器 (Memory Manager)                  │   │
 │  │  自行决定：                                         │   │
-│  │  → 如何解析查询 → 走图DB/向量DB/文本                 │   │
-│  │  → 如何写入新信息 → MERGE/CREATE/更新                 │   │
-│  │  → 如何更新已有记忆 → 增量/覆盖/合并                  │   │
+│  │  → 如何解析查询 → 走文本/向量/图记忆                  │   │
+│  │  → 如何写入新信息 → 先入文本记忆再处理                 │   │
+│  │  → 如何更新 → 冲突合并/覆盖/增量                     │   │
 │  │  → 如何删除 → 软删除/硬删除/归档                      │   │
 │  │  → 如何关联 → 链路推理/图谱推理                       │   │
-│  └──────┬────────────┬──────────────┬─────────────────┘   │
-│         │            │              │                       │
-│         ▼            ▼              ▼                       │
-│  ┌──────────┐ ┌────────────┐ ┌────────────────┐           │
-│  │  图数据库  │ │ 向量数据库  │ │   文本存储       │           │
-│  │ (Neo4j)   │ │(Milvus/FAISS)│ │ (日志/会话归档)  │           │
-│  │          │ │            │ │                │           │
-│  │ Entity   │ │ 语义向量    │ │ 原始对话记录     │           │
-│  │ RELATES  │ │ 索引        │ │ 时间线索引       │           │
-│  │ Cypher   │ │ 相似度搜索  │ │ 压缩归档         │           │
-│  └──────────┘ └────────────┘ └────────────────┘           │
+│  └──────┬─────────────────────────────────────────┘      │
+│         │                                                │
+│         ▼                                                │
+│  ┌──────────────────────────────────────────────────┐    │
+│  │          文本记忆（临时工作区）                       │    │
+│  │  近期对话内容，按时间顺序追加，容量有限                │    │
+│  └─────────────────────┬────────────────────────────┘    │
+│                        │ 定期扫描 (每 N 轮/定时)          │
+│                        ▼                                  │
+│  ┌──────────────────────────────────────────────────┐    │
+│  │              记忆处理流水线                          │    │
+│  │                                                   │    │
+│  │    ┌──────┐     ┌──────┐     ┌──────┐     ┌──────┐│    │
+│  │    │ 拆解  │────→│冲突合并│────→│相似合并│────→│分路写入││    │
+│  │    └──────┘     └──────┘     └──────┘     └──┬───┘│    │
+│  │                                               │    │    │
+│  └───────────────────────────────────────────────┼────┘    │
+│                                                   │        │
+│                ┌──────────────────────────────────┼──┐     │
+│                ▼                                  ▼        │
+│  ┌─────────────────────┐  ┌─────────────────────────┐     │
+│  │      图记忆            │  │      向量记忆              │     │
+│  │  (结构化知识)          │  │  (语义向量)               │     │
+│  │  Entity / RELATES    │  │  索引 + 相似度搜索         │     │
+│  │  Cypher 查询         │  │                          │     │
+│  └─────────────────────┘  └─────────────────────────┘     │
 │                                                           │
 │  ┌────────────────────────────────────────────────────┐   │
 │  │      张量编/解码层                                   │   │
@@ -52,11 +67,33 @@
 └───────────────────────────────────────────────────────────┘
 ```
 
-## 三级存储架构
+## 三层记忆
 
-### 第一级：图数据库（Neo4j）— 温区
+### 第一层：文本记忆（Text Memory）— 临时工作区
 
-存储结构化知识，支持关系查询和推理。
+类似人脑工作记忆，保存近期对话内容，按时间顺序追加。容量有限，保证短对话内的上下文连续性。由记忆子网定期处理（拆解/冲突合并/相似合并/分路写入）。
+
+| 项目 | 说明 |
+|------|------|
+| 存储内容 | 近期对话原始文本 |
+| 管理方式 | 按时间顺序追加，溢出时丢弃最旧内容 |
+| 处理时机 | 每 N 轮对话或定时触发 |
+| 用途 | 短期对话连续性，记忆处理源 |
+
+### 第二层：向量记忆（Vector Memory）— 语义检索
+
+存储经过嵌入的语义向量，支持语义相似度检索。长对话连续性关键组件之一。
+
+| 项目 | 说明 |
+|------|------|
+| 索引类型 | IVF_FLAT / HNSW |
+| 向量维度 | 768 (匹配标准张量维度) |
+| 度量方式 | Cosine Similarity |
+| 分片策略 | 按时间桶 + 会话 ID 分片 |
+
+### 第三层：图记忆（Graph Memory）— 结构化知识
+
+实体-关系图，存储用户偏好、知识图谱等结构化信息。长对话连续性关键组件之二。
 
 **参考 TrulyMEM 的图数据库设计：**
 
@@ -121,28 +158,6 @@ ORDER BY e.mention_count DESC
 LIMIT 10
 ```
 
-### 第二级：向量数据库（Milvus / FAISS）— 冷区
-
-存储语义向量，支持相似度检索。
-
-| 项目 | 说明 |
-|------|------|
-| 索引类型 | IVF_FLAT / HNSW |
-| 向量维度 | 768 (匹配标准张量维度) |
-| 度量方式 | Cosine Similarity |
-| 分片策略 | 按时间桶 + 会话 ID 分片 |
-
-### 第三级：文本存储 — 冷区
-
-存储完整的原始对话记录和会话日志。
-
-| 项目 | 说明 |
-|------|------|
-| 存储格式 | JSONL / 压缩归档 |
-| 索引 | 时间线索引 + 会话 ID 索引 |
-| 生命周期 | 30天后归档，90天后可清理 |
-| 用途 | 审计、重建、深度分析 |
-
 ## 输入/输出
 
 | 项目 | 说明 |