fix(memory): 增量向量化 + 单分片逐条隔离，召回请求数降一个数量级（M61）

M15（2026-10-13）登记的两条放大源落在记忆层，本次一并收口：

1. 整理轮/入库审查**只嵌增量**：新加 vector.Index.Vectors（SQLite/PG 实现，
   按 id 取已存向量、维度不符当未命中），Store.embedIncremental 先复用索引里的
   向量、只嵌缺的那些，并把手算出的向量回填索引 ⇒ 同一分区第二轮起零请求。
   判据写明为「向量存在性 + 维度一致」（正文在本仓不可就地改写，故无需哈希）。
   维度与当前 embedder 不一致时禁用复用并 WARN（不混两种表示）。
2. 嵌入链对单个慢分片有韧性：embedIsolated 整批失败后逐条隔离，坏的那几条
   记缺口、其余照常返回；一条都没拿到才报错降级。请求数上界 1+B（B=8 ⇒ 9），
   服务整体挂死时一次即收手，不用「请求放大」换韧性。
3. 缺口/复用/回填条数进日志（缺口走 WARN），review 的被审条目拿不到向量时
   如实返回错误 ⇒ 走既有词项余弦降级（不把「算不出来」说成「没有重复」）。

请求数（单测内假 OpenAI 兼容服务端计数，生产 API embedder + 真 SQLite 索引）：
  24 条存量：修复前每轮 3 → 第一轮 3、第二轮 0
  12 条分区整理轮：第一轮 2 → 第二轮 0
  20 条候选的入库审查：26（201÷8）→ 第一条 3、第二条 0
  一条坏正文：保住 7/8 条，代价 9 个请求；整体性故障 9 个请求后收手

internal/runtime/memory/vector/pg.go

@@ -147,6 +147,56 @@ func (p *PGVectorIndex) Add(ctx context.Context, id string, v Vector) error {
 	return nil
 }
 
+// Vectors 返回与 ids 对齐的已存向量：命中按位置给出，未命中（含维度与
+// 本索引不符的行、解析不了的行）为 nil。它是「增量向量化」的读口 ——
+// 调用方据此只嵌缺的那些，而不是每轮重算整个分区。它只读，不写任何行。
+//
+// 向量列显式 ::text 取出：pgvector 的 OID 不在 database/sql 的标准类型里，
+// 直接 scan 进 string 依赖驱动猜测格式；显式转型把「取什么格式」写在 SQL 里。
+func (p *PGVectorIndex) Vectors(ctx context.Context, ids []string) ([]Vector, error) {
+	if len(ids) == 0 {
+		return []Vector{}, nil
+	}
+	found := make(map[string]Vector, len(ids))
+	for start := 0; start < len(ids); start += vectorsQueryChunk {
+		end := min(start+vectorsQueryChunk, len(ids))
+		if err := p.lookupVectors(ctx, ids[start:end], found); err != nil {
+			return nil, err
+		}
+	}
+	return alignVectors(ids, found), nil
+}
+
+// lookupVectors 查一批 id 并把命中的向量写进 found。维度与本索引不符
+// （或解析不了）的行当作未命中 —— 它不能参与本索引的余弦，重算一次才是对的。
+func (p *PGVectorIndex) lookupVectors(ctx context.Context, ids []string, found map[string]Vector) error {
+	query := `SELECT id, vector::text FROM vec_items WHERE id IN (` + pgPlaceholders(len(ids)) + `)`
+	rows, err := p.db.QueryContext(ctx, query, idArgs(ids)...)
+	if err != nil {
+		return fmt.Errorf("memory/vector: lookup pg vectors: %w", err)
+	}
+	defer func() { _ = rows.Close() }()
+
+	for rows.Next() {
+		var (
+			id   string
+			text string
+		)
+		if err := rows.Scan(&id, &text); err != nil {
+			return fmt.Errorf("memory/vector: scan pg vector: %w", err)
+		}
+		v, err := pgParseVector(text)
+		if err != nil || len(v) != p.dim {
+			continue
+		}
+		found[id] = v
+	}
+	if err := rows.Err(); err != nil {
+		return fmt.Errorf("memory/vector: iterate pg vectors: %w", err)
+	}
+	return nil
+}
+
 // Search 返回与 q 最相似的最多 topK 个 id，按余弦相似度
 // （1 - 余弦距离）降序排列，由 pgvector 在 SQL 中计算。topK 非正
 // 返回空结果；长度与索引维度不一致的查询
@@ -211,3 +261,27 @@ func pgVectorLiteral(v Vector) string {
 	b.WriteByte(']')
 	return b.String()
 }
+
+// pgParseVector 把 pgvector 的文本形式 "[a,b,c]" 解析回 Vector ——
+// pgVectorLiteral 的逆运算。它拒绝空串与任何非浮点的分量，使损坏的行以
+// 错误暴露（调用方据此把它当未命中），而不是被静默读成一串零向量。
+func pgParseVector(text string) (Vector, error) {
+	trimmed := strings.TrimSpace(text)
+	if len(trimmed) < 2 || trimmed[0] != '[' || trimmed[len(trimmed)-1] != ']' {
+		return nil, fmt.Errorf("memory/vector: invalid pgvector literal of length %d", len(trimmed))
+	}
+	body := trimmed[1 : len(trimmed)-1]
+	if body == "" {
+		return Vector{}, nil
+	}
+	parts := strings.Split(body, ",")
+	out := make(Vector, len(parts))
+	for i, part := range parts {
+		f, err := strconv.ParseFloat(strings.TrimSpace(part), 32)
+		if err != nil {
+			return nil, fmt.Errorf("memory/vector: parse pgvector component %d: %w", i, err)
+		}
+		out[i] = float32(f)
+	}
+	return out, nil
+}