feat(memory-graph): 完成 Phase 3 - 记忆管理器

Phase 3 实现内容:
- MemoryManager: 统一的记忆管理接口
  * 完整的 CRUD 操作
  * 多策略检索（语义+类型+重要性+时间+遗忘状态过滤）
  * 记忆关联管理

- 记忆生命周期管理:
  * 激活机制：时间衰减 + 访问计数 + 激活传播
  * 遗忘机制：手动遗忘 + 自动遗忘（基于激活度）
  * 激活度计算：考虑上次访问时间的衰减

- 系统维护:
  * 定期维护任务
  * 统计信息（总记忆、节点、边、激活度等）
  * 数据持久化和加载

- GraphStore 增强:
  * 添加 get_all_memories() 方法

修复问题:
- search_memories: 修复记忆ID字段名（memory_id vs id）
- 搜索现在正确返回记忆对象

测试结果 (test_manager.py):
 初始化: 组件整合成功
 CRUD: 创建3条记忆，更新重要性
 关联: 建立2个记忆关系（导致、引用）
 搜索: 找到3条记忆，类型/重要性过滤工作
 激活: 激活度 00.81.0，访问次数统计
 遗忘: 手动+自动遗忘，搜索正确过滤
 统计: 4条记忆，17节点，18边，激活度0.333
 维护: 自动遗忘和保存
 持久化: 关闭后重新加载，数据完整

下一步: 整合到主系统，添加 MCP 工具接口

src/memory_graph/storage/graph_store.py

@@ -96,6 +96,15 @@ class GraphStore:
         """
         return self.memory_index.get(memory_id)
 
+    def get_all_memories(self) -> List[Memory]:
+        """
+        获取所有记忆
+        
+        Returns:
+            所有记忆的列表
+        """
+        return list(self.memory_index.values())
+
     def get_memories_by_node(self, node_id: str) -> List[Memory]:
         """
         获取包含指定节点的所有记忆