refactor: 消除重复代码并优化记忆系统结构

- 提取共享工具函数到 utils 模块
  - 创建 utils/similarity.py: 统一余弦相似度计算
  - 创建 utils/graph_expansion.py: 统一图扩展算法
- 删除重复实现
  - manager.py: 删除 _cosine_similarity 和 _fast_cosine_similarity (60行)
  - tools/memory_tools.py: 删除 _expand_with_semantic_filter 和 _cosine_similarity (150行)
- 清理废弃代码
  - 删除 tools/memory_tools.py 中10行注释掉的旧代码
  - 删除空的 retrieval/ 模块
- 净减少 ~150行重复代码

Co-authored-by: Windpicker-owo <221029311+Windpicker-owo@users.noreply.github.com>

src/memory_graph/utils/similarity.py

@@ -0,0 +1,50 @@
+"""
+相似度计算工具
+
+提供统一的向量相似度计算函数
+"""
+
+from typing import TYPE_CHECKING
+
+if TYPE_CHECKING:
+    import numpy as np
+
+
+def cosine_similarity(vec1: "np.ndarray", vec2: "np.ndarray") -> float:
+    """
+    计算两个向量的余弦相似度
+
+    Args:
+        vec1: 第一个向量
+        vec2: 第二个向量
+
+    Returns:
+        余弦相似度 (0.0-1.0)
+    """
+    try:
+        import numpy as np
+
+        # 确保是numpy数组
+        if not isinstance(vec1, np.ndarray):
+            vec1 = np.array(vec1)
+        if not isinstance(vec2, np.ndarray):
+            vec2 = np.array(vec2)
+
+        # 归一化
+        vec1_norm = np.linalg.norm(vec1)
+        vec2_norm = np.linalg.norm(vec2)
+
+        if vec1_norm == 0 or vec2_norm == 0:
+            return 0.0
+
+        # 余弦相似度
+        similarity = np.dot(vec1, vec2) / (vec1_norm * vec2_norm)
+
+        # 确保在 [0, 1] 范围内（处理浮点误差）
+        return float(np.clip(similarity, 0.0, 1.0))
+
+    except Exception:
+        return 0.0
+
+
+__all__ = ["cosine_similarity"]