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/tests/test_classification_fragment.py

@@ -1,4 +1,4 @@
-"""ClassificationAgent：零散档案启发式与分类 none 语义（纯函数/无 LLM）。"""
+"""ClassificationAgent：零散档案启发式与 none→summary 兜底（纯函数/无 LLM）。"""
 
 import pytest
 
@@ -28,9 +28,11 @@ def test_looks_like_fragment_only(text: str, expected_fragment: bool) -> None:
     assert _looks_like_fragment_only(text) is expected_fragment
 
 
-def test_classify_skips_story_for_birth_year_without_llm() -> None:
+def test_classify_maps_birth_year_fragment_to_summary_without_llm() -> None:
     agent = ClassificationAgent()
-    assert agent.classify("1999年出生", fallback_stage="childhood", llm=None) is None
+    assert (
+        agent.classify("1999年出生", fallback_stage="childhood", llm=None) == "summary"
+    )
 
 
 @pytest.mark.parametrize(