feat(memory): P1 长期记忆升级 —— 异步攒批 Consolidate + 软删 + importance/last_seen

把"逐轮盲写抽取"升级为 Mem0 式对账（方案见 memory_industry_analysis.md 落地节）：

mcp-go：
- Profile 加 Importance(1~10, poignancy) + LastSeenAt（为 Generative Agents 读路径
  Score=w1·Relevance+w2·Recency+w3·Importance 铺路）。
- Upsert 收 importance + 每次置 last_seen（印证）；新增 Delete（软删，BaseModel.DeletedAt
  已具备，失效不物删可审计）+ Touch；memory_upsert 透传 importance、新增 memory_delete 工具。

dispatcher：
- extractMemory → consolidateMemory：一次 LLM 调用同时做 抽取+对账，输出
  [{op:ADD|UPDATE|DELETE|NOOP,key,value,importance}]；ADD/UPDATE→upsert、DELETE→软删；
  sanitizeOps 防幻删(DELETE 须命中已有)/夹 importance[1,10]/同key保末个/丢 NOOP。
- 攒批：每 3 轮（per-session 计数）才 consolidate 一次，省成本，对齐 ChatGPT 周期整理。
  从根上解决 exact-key 盲写的记忆腐烂。

验证：parseOps/sanitizeOps/parseProfile 纯逻辑单测；store 集成测试(真 PG)覆盖
importance/last_seen 写入 + 软删(live 0 / 物理 1)；dispatcher -race 全过。
（注：完整多轮 LLM consolidate 未做实跑，属构造性验证 + 沿用已证 pool.Chat 模式。）

P2 待做：读路径按 Score(Recency+Importance) 排序/衰减/截断 + 桌面端记忆面板。

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

sundynix-mcp-go/internal/mcp/gateway.go

@@ -73,6 +73,8 @@ func (g *Gateway) dispatch(ctx context.Context, call *contract.ToolCall) *contra
 		return g.memoryGet(ctx, call)
 	case "memory_upsert":
 		return g.memoryUpsert(ctx, call)
+	case "memory_delete":
+		return g.memoryDelete(ctx, call)
 	case "history_get":
 		return g.historyGet(ctx, call)
 	case "history_append":
@@ -119,20 +121,34 @@ func (g *Gateway) historyAppend(ctx context.Context, call *contract.ToolCall) *c
 	return &contract.ToolResult{OK: true}
 }
 
-// memoryUpsert 写入/更新一条画像偏好（user_id + key + value）。
+// memoryUpsert 写入/更新一条画像偏好（user_id + key + value + 可选 importance(1~10)）。
 func (g *Gateway) memoryUpsert(ctx context.Context, call *contract.ToolCall) *contract.ToolResult {
 	uid, _ := call.Args["user_id"].(string)
 	key, _ := call.Args["key"].(string)
 	val, _ := call.Args["value"].(string)
+	importance, _ := call.Args["importance"].(float64) // NATS JSON 数字解为 float64
 	if uid == "" || key == "" {
 		return &contract.ToolResult{OK: false, Error: "memory_upsert: user_id 和 key 必填"}
 	}
-	if err := g.memory.Upsert(ctx, uid, key, val); err != nil {
+	if err := g.memory.Upsert(ctx, uid, key, val, importance); err != nil {
 		return &contract.ToolResult{OK: false, Error: "memory_upsert: " + err.Error()}
 	}
 	return &contract.ToolResult{OK: true, Content: fmt.Sprintf("已记住 %s 的「%s」", uid, key)}
 }
 
+// memoryDelete 软删一条画像偏好（user_id + key）—— consolidate 判定过时/矛盾时调用。
+func (g *Gateway) memoryDelete(ctx context.Context, call *contract.ToolCall) *contract.ToolResult {
+	uid, _ := call.Args["user_id"].(string)
+	key, _ := call.Args["key"].(string)
+	if uid == "" || key == "" {
+		return &contract.ToolResult{OK: false, Error: "memory_delete: user_id 和 key 必填"}
+	}
+	if err := g.memory.Delete(ctx, uid, key); err != nil {
+		return &contract.ToolResult{OK: false, Error: "memory_delete: " + err.Error()}
+	}
+	return &contract.ToolResult{OK: true, Content: fmt.Sprintf("已删除 %s 的「%s」", uid, key)}
+}
+
 // wikiSearch 经 RAG 引擎做向量检索（embedding + Milvus）。
 // RAG 未就绪时降级返回空命中（不阻断图执行）。
 func (g *Gateway) wikiSearch(ctx context.Context, call *contract.ToolCall) *contract.ToolResult {