feat(memory,conversation): 记忆富化/证据包、时间线幂等字段与对话分段全链路

数据库
- 新增迁移 0003：timeline_events.memory_source_id 外键 → memory_sources，便于按 ingest 源做时间线幂等

后端 - 记忆
- 新增 ingest 后 LLM 富化（摘要/事实/时间线），可配置开关与最大字符数
- 新增证据包组装：合并 chunk、摘要、事实、时间线、故事等检索结果；支持空 query 时是否仍带 rolling 等开关
- repo/retriever/service/router/schemas/summarizer/timeline/extractor 等扩展；文档 memory-retrieval.md 更新

后端 - 对话 WS
- 增加 PING/PONG；分段 ASR 日志与空音频处理；转写失败与「无助手回复」错误提示更明确
- 助手多段回复持久化使用统一分隔符，与分段逻辑一致

后端 - Agent
- reply_limits：按 [SPLIT] 与段落拆段，并保证非空 fallback，供 WS 与 TTS 多段下发

后端 - 回忆录任务
- transcript ingest 记录 source_id；任务成功结?

api/docs/memory-retrieval.md

@@ -4,8 +4,10 @@
 
 | 路径 | 入口 | 检索能力 |
 |------|------|----------|
-| **异步（HTTP / MemoirService） | `MemoryService.retrieve` → `HybridRetriever` | **FTS + 向量（pgvector）**，RRF 融合；facts；timeline；`relevant_summaries` / `relevant_stories` 当前多为占位空列表 |
-| **同步（Celery） | `retrieve_evidence_sync`（`app/features/memory/repo.py`） | **仅 FTS** chunks；confirmed **facts**；**timeline**；无向量（worker 内 ingest 不写 embedding） |
+| **异步（HTTP / MemoirService） | `MemoryService.retrieve` → `HybridRetriever` → `evidence.retrieve_evidence_bundle_async` | **FTS + 向量（pgvector）**，RRF 融合 chunks；facts / timeline 按 **query ILIKE**，无命中则 **fallback** 最近条；rolling + ILIKE **摘要**；**stories**（标题/摘要匹配） |
+| **同步（Celery） | `retrieve_evidence_sync`（`repo` 薄封装 → `evidence.retrieve_evidence_bundle_sync`） | **仅 FTS** chunks；其余与上类似（无向量） |
+
+证据组装在 `app/features/memory/evidence.py`；`memory/repo` 仅提供原子查询（chunk FTS、facts/timeline 搜索、摘要列表等），story 合并在 evidence 层完成。
 
 ## 为何 Celery 与 Hybrid 不完全一致
 
@@ -14,10 +16,23 @@
 
 业务上应假设：**线上章节生成任务**以 FTS 证据为主；**异步 API** 若配置了 embedding，检索语义更富。
 
+## 空 query
+
+- 默认：`relevant_*` 均为空（与历史行为一致）。
+- 若设置 `memory_evidence_empty_query_include_rolling=true`：返回**无 chunk FTS**，但含 **rolling 摘要**、最近 facts / timeline（用于「浏览」模式）。
+
+## 富化（ingest 后 LLM）
+
+- `memory_enrichment_enabled`（默认 `true`）：`ingest_transcript` / `ingest_transcript_sync` 后执行摘要、事实、时间线；`false` 时跳过。
+- `memory_enrichment_max_chars`：截断送入 LLM 的文本长度。
+- 同一 `memory_source_id` 的时间线在重跑富化前会先删后插入，避免重复事件。
+
 ## Celery 任务中的顺序
 
 `process_memoir_segments`（`app/tasks/memoir_tasks.py`）在**同一任务**内先执行 `ingest_transcript_sync`（并 `commit`），再执行 `MemoirOrchestrator` 与 `run_story_pipeline_for_category_batch`。因此 `retrieve_evidence_sync` 能看到**本批刚写入**的 memory chunks（无竞态）。
 
+章节分类上，若模型返回 **none** 或命中零散档案启发式，Story 侧会统一落入 **`summary` 章节**并继续叙事落库，与「本批 transcript 已进 memory」一致，避免误以为内容被丢弃。
+
 ## Evidence 与叙事 Prompt
 
-`format_evidence_chunks_for_prompt` 仅拼接**实际返回**的 chunks、facts、timeline；不包含未实现的 summaries/stories，避免模型误以为有额外材料。
+`format_evidence_chunks_for_prompt` 拼接 chunks、**摘要（若有）**、facts、timeline、**故事摘要（若有）**；模型应把摘录视为参考材料，非本段口述。