feat(memory): P2 读路径打分 + 桌面端记忆面板（看/改/删）

读路径（Generative Agents 公式的 Recency+Importance 两项，Relevance 待 P3）：
- memory.Get 改为 rankProfiles：Score=0.4·Recency+0.6·Importance，按分降序、截断 top-30。
  Recency=0.98^天 指数衰减；未评分行用兜底 importance=5（不被不公平遗忘）。纯函数 + 单测。
- 新增 Store.List（结构化、不截断）+ memory_list 工具。

桌面端记忆面板：
- gateway GET /memory(列表) + DELETE /memory?key=(软删)，受保护组。
- api listMemory/deleteMemory；MemoryView 右侧从占位 → 真列表：按分排序展示
  key/value/重要度/最近时间，可内联编辑(PUT)与删除(软删)；左侧登记后自动刷新。

实测：PUT 两条 → GET 返回带 importance/last_seen 的有序列表（较新者靠前）→ DELETE 一条
（软删）→ 再 GET 已消失。rank/recency/兜底 importance 单测过；前端 tsc+构建通过。

至此记忆：召回(打分) + 历史 + 自动对账(P1) + 用户可管控(面板) 闭环。Relevance(Milvus) 留 P3。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

sundynix-mcp-go/internal/memory/store.go

@@ -6,6 +6,7 @@ import (
 	"context"
 	"fmt"
 	"log"
+	"math"
 	"sort"
 	"strings"
 	"time"
@@ -108,7 +109,17 @@ func migrateLegacyProfile(db *gorm.DB) {
 	log.Printf("[memory] 已回灌 %d 条偏好（新雪花 id）", len(saved))
 }
 
-// Get 返回某用户的画像，渲染为可直接注入 prompt 的多行文本（按 key 排序，稳定输出）。
+// 读路径打分参数（Generative Agents 公式的 Recency + Importance 两项；Relevance 待接 Milvus）。
+const (
+	memTopN            = 30   // 注入上限（截断，控 context）
+	wRecency           = 0.4  // 最近性权重
+	wImportance        = 0.6  // 重要度权重
+	recencyDecayPerDay = 0.98 // 每天衰减因子（指数）
+	defaultImportance  = 5.0  // 旧/未评分行的兜底重要度（避免被不公平遗忘）
+)
+
+// Get 返回某用户画像，渲染为可注入 prompt 的多行文本。
+// 按 Score = wRecency·Recency + wImportance·Importance 降序，截断 top-N（控 context + 自然遗忘）。
 func (s *Store) Get(ctx context.Context, userID string) (string, error) {
 	if s.db == nil || userID == "" {
 		return "", nil
@@ -117,14 +128,64 @@ func (s *Store) Get(ctx context.Context, userID string) (string, error) {
 	if err := s.db.WithContext(ctx).Where("user_id = ?", userID).Find(&rows).Error; err != nil {
 		return "", err
 	}
-	sort.Slice(rows, func(i, j int) bool { return rows[i].Key < rows[j].Key })
+	ranked := rankProfiles(rows, time.Now(), memTopN)
 	var b strings.Builder
-	for _, r := range rows {
+	for _, r := range ranked {
 		fmt.Fprintf(&b, "- %s：%s\n", r.Key, r.Value)
 	}
 	return strings.TrimRight(b.String(), "\n"), nil
 }
 
+// List 返回某用户全部 active 偏好（结构化，供管理面板查看/编辑），按 Score 降序、不截断。
+func (s *Store) List(ctx context.Context, userID string) ([]Profile, error) {
+	if s.db == nil || userID == "" {
+		return nil, nil
+	}
+	var rows []Profile
+	if err := s.db.WithContext(ctx).Where("user_id = ?", userID).Find(&rows).Error; err != nil {
+		return nil, err
+	}
+	return rankProfiles(rows, time.Now(), 0), nil
+}
+
+// rankProfiles 纯函数：按 Score 降序排序（同分 key 升序稳定），截断 top-N（topN<=0 不截断）。
+func rankProfiles(rows []Profile, now time.Time, topN int) []Profile {
+	out := make([]Profile, len(rows))
+	copy(out, rows)
+	sort.SliceStable(out, func(i, j int) bool {
+		si, sj := profileScore(out[i], now), profileScore(out[j], now)
+		if si != sj {
+			return si > sj
+		}
+		return out[i].Key < out[j].Key
+	})
+	if topN > 0 && len(out) > topN {
+		out = out[:topN]
+	}
+	return out
+}
+
+// profileScore 计算一条偏好的 Recency+Importance 综合分（各归一到 [0,1]）。
+func profileScore(p Profile, now time.Time) float64 {
+	imp := p.Importance
+	if imp <= 0 {
+		imp = defaultImportance
+	}
+	return wRecency*recencyScore(now, p.LastSeenAt) + wImportance*(imp/10)
+}
+
+// recencyScore 指数衰减的最近性分：last_seen 越久越低；未记时间视为新鲜(1)。
+func recencyScore(now, last time.Time) float64 {
+	if last.IsZero() {
+		return 1.0
+	}
+	days := now.Sub(last).Hours() / 24
+	if days < 0 {
+		days = 0
+	}
+	return math.Pow(recencyDecayPerDay, days)
+}
+
 // Upsert 写入/更新一条画像偏好（(user_id,key) 冲突即覆盖 value/importance，保留原 id；
 // 置 last_seen=now 作"印证"）。importance<=0 时不覆盖旧值（NOOP 印证场景只 bump 时间）。
 func (s *Store) Upsert(ctx context.Context, userID, key, value string, importance float64) error {