fix(memory-projection): 订正 outbox 取值口径并接通画像投影链路

背景：memory_sync_outbox 这条链此前**完全没有消费者**，且生产端照 docs/00 §6.4.6
写成大写 MILVUS/NEO4J + 中文「待处理」，而消费端按 target_store 的**值**分派 handler、
且只领 status in {pending, failed} —— 两个条件都不满足，事件任何消费者都领不到、
永久滞留且不报错（唯一键 (event_uuid, target_store) 对大小写无约束，MySQL 也不报错）。
根因是代码与测试都硬编码字面量，所以测试跟着一起错、谁也没拦住。

订正
- profile_generation_service：取值改为全仓一致的小写（milvus/neo4j/upsert/pending）
- 测试改为引用常量并断言消费端契约，不再硬编码（硬编码是本次跑偏的直接原因）
- 新增契约回归测试：断言大写值分派不到 handler、会进死信，谁改回大写立刻红
- 新增 tools/normalize_memory_sync_outbox.py：订正历史脏行（默认 dry-run、幂等）

接通投影链路（此前零消费者）
- 新增 Milvus 集合 user_long_term_memory_v1 及建集合工具（幂等、不覆盖已有集合）
- 新增 MilvusProfileProjection / MilvusProfileVectorClient，并修掉移植带来的两处必炸点：
  customer_id 由「必须 int」放宽为接受数字字符串（本仓所有生产者都写 str，
  不放宽则每个事件必然失败）；不可投影的 memory_key 由「整批 raise」改为跳过留痕
  （否则一条 constraint: 记忆毒死该客户整批，而受控词表 13 个键里有 7 个不满足前缀）
- 新增 MemorySyncOutboxWorker（领取/指数退避/死信骨架保留原样）并接入 WorkerRuntime
- milvus → 向量投影；neo4j → 复用主干 ProfileGraphProjectionService（方案 A，
  不引入第二套投影，避免同一事实在图中两种说法、违反主干既有的只投影已确认事实的不变式）
- 生产端从 memory_unit(status=active) 组装 memory_sources，随事件带上确定快照
- 前置移植 conversation_privacy：写外部存储前脱敏手机号/证件号/银行卡等

验证
- 新增 17 个单测；全量 2 failed, 1307 passed, 2 skipped
  （2 个失败为既有环境项：断言请求体中文原文而 httpx 序列化成 \uXXXX，非本次引入）
- mypy app → 0 错（227 文件）；audit_schema → 89 张业务表无缺失/意外，未改动表结构
- 真机：真实 embedding(1024 维) + 真实 Milvus 写入并回读通过
- 整合链路（测试记忆 → 生产端组装 → outbox → 消费端投递 → Milvus 回读）通过，
  且 MySQL 已回滚、Milvus 无残留

文档
- 新增 docs/32-记忆投影链路实现说明.md：真实口径、根因、契约与验证证据（供接手）
- AGENTS.md：新增该易错点；新增 Windows 中文输出乱码的正确命令（-X utf8）；
  校正测试基线与 mypy 文件数

未做：未改 docs/00 基线、未动数据库迁移、未改投顾线代码、未启动常驻 Worker。
遗留：投顾线两处生产者的 payload 缺 memory_sources，会被消费至死信，待架构师确认是否投影。

app/worker/runtime.py

@@ -22,6 +22,7 @@ from app.service.agent.bootstrap import (
     get_memory_cache_adapter,
     get_memory_embedding_service,
     get_milvus_knowledge_writer,
+    get_milvus_profile_vector_client,
     get_model_service,
 )
 from app.service.agent.executor import AgentExecutor
@@ -91,6 +92,7 @@ class WorkerRuntime:
         knowledge_writer: Any = _UNSET,
         knowledge_embedder: Any = _UNSET,
         knowledge_endpoint_resolver: Any = _UNSET,
+        profile_vector_client: Any = _UNSET,
     ) -> None:
         self.factory = factory if factory is not None else get_agent_factory()
         self.settings = settings or get_settings()
@@ -138,6 +140,18 @@ class WorkerRuntime:
         )
         # 降级告警只打一次：dispatch 是轮询热路径，每轮一条 warning 会把日志淹掉。
         self._knowledge_degraded_logged = False
+        # 画像投影（`memory_sync_outbox`）消费装配。
+        #
+        # 与 `knowledge_writer` 同一取向：客户端构造**惰性**（不连 Milvus），
+        # `milvus_uri` 未配置时显式降级为不注册 handler（事件留 pending、可观测、可重放），
+        # 绝不伪造同步成功。
+        self.profile_vector_client = (
+            get_milvus_profile_vector_client()
+            if profile_vector_client is _UNSET
+            else profile_vector_client
+        )
+        self.profile_endpoint_resolver = self.knowledge_endpoint_resolver
+        self._profile_degraded_logged = False
         # episode 聚合是低频批处理，按轮次节流而不是每轮都查。
         self._episode_rounds = 0
 
@@ -408,6 +422,14 @@ class WorkerRuntime:
 
     async def run_once(self) -> bool:
         dispatched = await self.dispatch_batch() > 0
+        # 画像投影消费：与领域事件同一轮次内处理。失败只告警，不影响 run 的处理与
+        # 轮询节奏——事件仍在库里，下一轮照常重试（退避由 worker 自己记在 next_retry_at）。
+        try:
+            projected = await self.consume_profile_projections() > 0
+        except Exception:
+            logger.warning("profile projection consumption failed", exc_info=True)
+            projected = False
+        dispatched = dispatched or projected
         self._episode_rounds += 1
         if self._episode_rounds % EPISODE_INTERVAL_ROUNDS == 0:
             # 会话片段聚合：内部幂等（content_hash 唯一键），失败只告警，
@@ -431,6 +453,85 @@ class WorkerRuntime:
             return dispatched
         return await self.execute(run_id) or dispatched
 
+    async def consume_profile_projections(self, *, limit: int = 20) -> int:
+        """消费 `memory_sync_outbox` 的画像投影事件，返回本次处理条数。
+
+        两个目标存储的分工（**方案 A**：以架构师主干为主线，不引入第二套 Neo4j 投影）：
+
+        - `milvus` → 写入长期记忆向量集合 `user_long_term_memory_v1`
+          （此前**完全没有消费者**，事件永久滞留）；
+        - `neo4j` → 复用主干 `ProfileGraphProjectionService`。主干已由
+          `profile.rebuild_requested` 事件驱动同一条链，图投影是 `MERGE` 幂等的，
+          因此这里再投一次不产生重复节点/关系，只用于把 outbox 行的投递状态收敛掉。
+
+        为什么不让 handler 自己 commit：事务边界与 `dispatch_batch` 一致，
+        由本方法按条提交；单条失败由 `MemorySyncOutboxWorker` 内部转成
+        `failed`+退避或死信，不冒泡打断本轮其余事件。
+        """
+        if self.profile_vector_client is None:
+            # 显式降级：不注册 handler 就交给 worker 判死信是**错的**（那是把配置缺失
+            # 伪装成投递失败）。这里直接不消费，事件保持 pending，由启动日志提示。
+            if not self._profile_degraded_logged:
+                self._profile_degraded_logged = True
+                logger.warning(
+                    "profile projection disabled: milvus profile vector client unavailable; "
+                    "memory_sync_outbox events stay pending"
+                )
+            return 0
+        # 收窄到局部变量：闭包内访问 self 属性时 mypy 无法保留上面的 None 判定。
+        vector_client = self.profile_vector_client
+
+        from app.infrastructure.milvus_profile_projection import MilvusProfileProjection
+        from app.worker.memory_sync_outbox_worker import MemorySyncOutboxWorker
+
+        async def project_milvus(payload: dict[str, Any]) -> None:
+            projection = MilvusProfileProjection(vector_client, self._profile_embed)
+            await projection.upsert(payload)
+
+        async def project_neo4j(payload: dict[str, Any]) -> None:
+            raw_customer_id = payload.get("customer_id")
+            # 显式 isinstance 而不是 `in (None, "")`：后者不做类型收窄，mypy 无法确认
+            # int() 的入参类型；同时也把"客户号必须是数字"这一契约写在类型检查里。
+            if not isinstance(raw_customer_id, (int, str)) or raw_customer_id == "":
+                raise RecoverableAgentError("profile projection payload has no customer_id")
+            customer_id = int(raw_customer_id)
+            # 延迟导入：与 dispatch_profile_rebuild 同一理由，避免模块级循环依赖。
+            from app.service.profile_graph_projection_service import (
+                ProfileGraphProjectionService,
+            )
+
+            async with SessionFactory() as session:
+                outcome = await ProfileGraphProjectionService(
+                    session, self.relationships
+                ).project_customer(customer_id)
+            if outcome.degraded:
+                # 图库不可用：如实抛出，让 worker 走失败/退避，而不是记成已投递。
+                raise RecoverableAgentError(f"graph projection degraded: {outcome.reason}")
+
+        worker = MemorySyncOutboxWorker(
+            {"milvus": project_milvus, "neo4j": project_neo4j}
+        )
+        handled = 0
+        for _ in range(max(1, limit)):
+            if not await worker.run_once():
+                break
+            handled += 1
+        return handled
+
+    async def _profile_embed(self, text: str) -> list[float]:
+        """向量化一条记忆正文；端点走与知识向量化同一套已批准端点解析。
+
+        不复用 `bootstrap._embed_text`：那是模块私有函数，跨模块引用私有名会把
+        两处的耦合藏起来。这里用同一组公开装配（端点解析器 + embedding 服务）。
+        """
+        endpoints = await self.profile_endpoint_resolver.resolve(
+            agent_type="memory_recall", task_type="embedding"
+        )
+        if not endpoints:
+            raise RecoverableAgentError("没有可用的 embedding 端点，无法投影长期记忆")
+        execution = await self.knowledge_embedder.embed(endpoints, text)
+        return list(execution.vector)
+
     async def aggregate_episodes(self, *, customer_limit: int = 50) -> int:
         """把已静默的会话片段聚合为 episode，返回新写入的片段数。