修复长期记忆向量链路：投影入队 + 集合名三侧同源 + 召回按客户过滤

语义召回"恒空"的根因分四层，本提交修掉投递层与读取层（另两层——重试计数
门禁、episode 不投 rebuild 事件——已在前两个提交修复）。

R2 投递层：dispatch_profile_rebuild 只做图投影，没有任何 Milvus 投递，
  长期记忆的向量从未被写入过（实测客户 9001 在 memory_sync_outbox 里 0 行）。
  新增 _enqueue_memory_vector_projection()，在画像重建后投
  MemorySyncOutbox(target_store="milvus")。走事件而不是同步写，是为了拿
  Outbox 的重试/退避/死信，且不把 embedding 的网络等待拖进事务。
  ⚠️ payload 必须带 version（正整数）：适配器 _coerce_profile_version 缺它
  直接抛 ValueError（实测踩到，事件立刻 failed）。

R4 读取层：写的集合与读的集合不是同一个 ——
  写（MilvusProfileProjection）用 "user_long_term_memory_v1"，
  读（bootstrap.get_vector_memory_adapter）与删（projection_cleanup_service）
  却用 settings.milvus_collection = "jr_memory"，而该集合从未被创建。
  ⇒ 召回：MilvusClient 构造不校验集合存在，适配器"构造成功"但每次 search
     抛异常被 VectorMemoryAdapter 吞成 degraded → 召回恒
     degraded_reasons=('milvus_unavailable',)、向量命中恒 0 条；
  ⇒ 清理：jr_memory 不在集合列表 → 走 vector_collection_absent 分支 →
     报清理成功但一个向量都没删，陈旧向量永久留存。
  修法：PROFILE_COLLECTION 成为唯一常量，读/删两侧直接引用它；
  并删除 Settings.milvus_collection 配置项、清掉 .env.example 的
  MILVUS_COLLECTION —— 写侧从来没读过它，一个只在契约一侧生效的配置项
  比没有配置项更危险（Settings 的 extra="ignore" 会让其他环境残留的该
  变量被安全忽略）。

顺带：
- 语义检索把客户过滤下推到 Milvus（filter="customer_id == N"）。此前不带
  过滤，别家客户的命中会白占 limit 名额，稀释本客户的召回条数。
- upsert 在 sources 为空时先返回，不再无条件 load_collection ——
  "本来就没有可写内容"不该被记成投递失败（10001/10002 那两条事件即如此
  重试 5 次进死信）。

回归守卫：tests/unit/infrastructure/test_memory_vector_collection_consistency.py
  断言读侧与删侧用的都是 PROFILE_COLLECTION，且被删掉的配置项不得回归。
  这个缺陷能活下来，正是因为两侧单测全绿而接缝无人守。

验证（走生产装配、进程内调用，未重启你正在跑的 API 窗口）：
  读侧集合打印 user_long_term_memory_v1（修前为 jr_memory）；
  召回 degraded=False / reasons=() / sources 含 milvus，且排序随 query 语义
  变化（投资期限→horizon 0.288 > risk_level 0.201；风险偏好→risk_level 0.287）；
  query="进取型" 双通道合并且 vector_score=0.9987；query=None 走 mysql 全量。
  pytest tests/unit tests/contract → 1432 passed, 2 skipped, 1 failed
  （唯一失败是同事正在改的投顾页面，与记忆链路无关）。

文档：docs/演示用/记忆召回恒空-根因与修复-2026-09-14.md（新增，四层根因+证据）、
  docs/37-记忆投影链路实现说明.md（补集合名三侧契约）。

app/infrastructure/vector_memory.py

@@ -3,7 +3,10 @@ from typing import Any, Protocol
 
 
 class VectorClient(Protocol):
-    def search(self, collection_name: str, data: list[list[float]], limit: int) -> Any: ...
+    def search(
+        self, collection_name: str, data: list[list[float]], limit: int,
+        filter: str | None = None,
+    ) -> Any: ...
 
 
 class VectorSearchResult:
@@ -31,12 +34,30 @@ class VectorMemoryAdapter:
         self.client = client
         self.collection = collection
 
-    def search(self, embedding: list[float], limit: int = 10) -> VectorSearchResult:
+    def search(
+        self,
+        embedding: list[float],
+        limit: int = 10,
+        *,
+        customer_id: int | None = None,
+    ) -> VectorSearchResult:
+        """按向量检索；给了 `customer_id` 就**在集合内按客户过滤**。
+
+        过滤必须下推到 Milvus：召回服务回表时虽然也会按客户筛一次，但不过滤的话
+        别家客户的命中会白占 `limit` 名额，本客户能拿到的条数被稀释甚至清零——
+        这在多客户数据集上会表现成"语义召回时有时无"。
+
+        过滤表达式在 `try` **之外**求值：`customer_id` 不是整数属调用方编码错误，
+        应当直接抛出，不能伪装成"Milvus 不可用"而被降级吞掉。
+        """
+        expr = None if customer_id is None else f"customer_id == {int(customer_id)}"
         try:
+            kwargs: dict[str, Any] = {} if expr is None else {"filter": expr}
             hits = self.client.search(
                 collection_name=self.collection,
                 data=[embedding],
                 limit=max(1, min(limit, 100)),
+                **kwargs,
             )
             return VectorSearchResult(hits)
         except Exception: