feat(api+app): 对话阶段化、回忆录流水线与客户端会话体验

- DB: segments 用户输入文本（Alembic 0002）
- Chat: 阶段检测/阶段提示/回复限制，编排与访谈/画像 prompts 调整
- Memoir: 忠实度检查 agent，叙事与分类等链路更新
- Core: agent 日志、Alembic 启动、LangChain/日志/配置等
- Story: time_hints；Memory 检索与相关测试
- Expo: 助手头像、会话页与消息拆分、实时会话与文案/i18n
- Docs/scripts/tests: 迁移脚本、LLM JSON/记忆检索文档、新增单测

api/app/agents/chat/prompts_profile.py

@@ -71,6 +71,8 @@ def get_profile_extraction_prompt(
     return f"""请从以下内容中提取用户已提到的基础资料信息。{dialogue_section}用户本轮回答：
 "{user_message}"
 
+**JSON 输出**：接口已启用 `response_format=json_object`（DeepSeek JSON 模式），你必须只输出一个合法 JSON 对象。
+
 需要提取的字段（只提取确实在对话中出现过的）：
 {missing_names}
 
@@ -96,6 +98,7 @@ def get_profile_followup_prompt(
     filled_fields: Dict[str, str],
     user_message: str,
     nickname: str = "",
+    interview_stage_hint: str = "",
 ) -> str:
     """在收集资料过程中的跟进提问"""
     missing_names = [
@@ -110,13 +113,19 @@ def get_profile_followup_prompt(
     filled_str = "\n".join(filled_info) if filled_info else "暂无"
 
     if not missing_names:
+        stage_hint = (
+            f"优先围绕「{interview_stage_hint}」或用户刚才话题，问一个**具体、好回答**的小问题。"
+            if interview_stage_hint
+            else "问一个与**用户刚才关注点**或人生故事相关的**具体、好回答**的问题作为开场。"
+        )
         return f"""你是「岁月知己」。用户的基本信息已经收集完毕：
 {filled_str}
 
 用户刚才说："{user_message}"
 
 请对用户的回答做出温暖的回应，然后自然地过渡到人生故事的访谈。
-可以说类似"了解了！那我们现在开始聊聊你的人生故事吧"这样的话，然后问一个关于童年的问题作为开场。
+可以说类似「了解了！那我们现在开始聊聊你的人生故事吧」这样的话；{stage_hint}
+**不要**默认只问童年，除非用户刚才聊的正是童年。
 
 回复格式：多条消息用 [SPLIT] 分隔。
 直接输出你要说的话："""