feat(memory): 移除传统内存系统并优化内存图谱

- 移除整个传统内存系统，包括内存系统模块及所有相关组件
- 删除弃用的内存组件：增强型内存激活器、海马体采样器、内存构建器、内存块、内存遗忘引擎、内存格式器、内存融合器、内存管理器、内存元数据索引、内存查询规划器、内存系统、消息集合处理器、消息集合存储、向量内存存储_v2
- 更新内存图配置，采用增强型检索设置
- 优化内存管理器查询功能，以分析完整对话上下文
- 更新机器人配置模板版本至7.6.1，新增内存图表检索参数

重大变更：旧版内存系统已被完全移除。所有内存功能现依赖于内存图系统。请更新配置以包含新的内存图检索参数。

src/memory_graph/config.py

@@ -163,6 +163,14 @@ class MemoryGraphConfig:
                     activation_propagation_depth=getattr(mg_config, 'activation_propagation_depth', 1),
                     max_memory_nodes_per_memory=getattr(mg_config, 'max_memory_nodes_per_memory', 10),
                     max_related_memories=getattr(mg_config, 'max_related_memories', 5),
+                    # 检索配置
+                    retrieval=RetrievalConfig(
+                        max_expand_depth=getattr(mg_config, 'search_max_expand_depth', 2),
+                        vector_weight=getattr(mg_config, 'search_vector_weight', 0.4),
+                        graph_distance_weight=getattr(mg_config, 'search_graph_distance_weight', 0.2),
+                        importance_weight=getattr(mg_config, 'search_importance_weight', 0.2),
+                        recency_weight=getattr(mg_config, 'search_recency_weight', 0.2),
+                    ),
                 )
                 
                 return config
@@ -206,7 +214,14 @@ class MemoryGraphConfig:
             max_related_memories=config_dict.get("max_related_memories", 5),
             # 旧配置字段（向后兼容）
             consolidation=ConsolidationConfig(**config_dict.get("consolidation", {})),
-            retrieval=RetrievalConfig(**config_dict.get("retrieval", {})),
+            retrieval=RetrievalConfig(
+                max_expand_depth=config_dict.get("search_max_expand_depth", 2),
+                vector_weight=config_dict.get("search_vector_weight", 0.4),
+                graph_distance_weight=config_dict.get("search_graph_distance_weight", 0.2),
+                importance_weight=config_dict.get("search_importance_weight", 0.2),
+                recency_weight=config_dict.get("search_recency_weight", 0.2),
+                **config_dict.get("retrieval", {})
+            ),
             node_merger=NodeMergerConfig(**config_dict.get("node_merger", {})),
             storage=StorageConfig(**config_dict.get("storage", {})),
             decay_rates=config_dict.get("decay_rates", cls().decay_rates),

src/memory_graph/manager.py

@@ -365,20 +365,26 @@ class MemoryManager:
             chat_history = context.get("chat_history", "")
             sender = context.get("sender", "")
             
-            prompt = f"""你是一个记忆检索查询优化助手。请将用户的查询转换为更适合语义搜索的表述。
+            prompt = f"""你是一个记忆检索查询优化助手。你的任务是分析对话历史，生成一个综合性的搜索查询。
 
-要求：
-1. 提取查询的核心意图和关键信息
-2. 使用更具体、描述性的语言
-3. 如果查询涉及人物，明确指出是谁
-4. 保持简洁，只输出优化后的查询文本
+**任务说明：**
+不要只优化单个消息，而是要综合分析整个对话上下文，提取出最核心的检索意图。
 
-当前查询: {query}
+**要求：**
+1. 仔细阅读对话历史，理解对话的主题和脉络
+2. 识别关键人物、事件、关系和话题
+3. 提取最值得检索的核心信息点
+4. 生成一个简洁但信息丰富的搜索查询（15-30字）
+5. 如果涉及特定人物，必须明确指出人名
+6. 只输出查询文本，不要解释
 
-{f"发言人: {sender}" if sender else ""}
-{f"最近对话: {chat_history[-200:]}" if chat_history else ""}
+**对话上下文：**
+{chat_history[-500:] if chat_history else "（无历史对话）"}
 
-优化后的查询:"""
+**当前消息：**
+{sender}: {query}
+
+**生成综合查询：**"""
 
             optimized_query, _ = await llm.generate_response_async(
                 prompt,