Version: 0.9.16.dev.260413

后端：
1. RAG embedding 接入修正，并兼容 Ark 多模态 embedding 链路
   - 更新 backend/infra/rag/embed/eino_embedder.go：文本 embedding 继续走 Eino OpenAI 兼容链路；`doubao-embedding-vision-*` 模型切到 Ark 原生 `/embeddings/multimodal`
   - 增加 embedding baseURL 归一化：兼容把 `.../embeddings` 或 `.../embeddings/multimodal` 误填进配置的情况，统一回退到 `/api/v3`
   - 为第三方 embedding 调用增加 panic recover，避免向量检索/写入异常直接打崩主进程

2. RAG runtime / pipeline / store 稳定性加固，统一降级为 error 语义
   - 更新 backend/infra/rag/runtime.go：runtime 对外入口增加 panic recover 与观测打点
   - 更新 backend/infra/rag/core/pipeline.go：ingest / retrieve 编排边界增加 panic recover
   - 更新 backend/infra/rag/retrieve/vector_retriever.go：向量检索边界补充 panic recover
   - 更新 backend/infra/rag/store/milvus_store.go、backend/infra/rag/store/inmemory_store.go：补齐未初始化保护，避免 nil 依赖直接异常退出

3. RAG embedding 配置口径与普通 LLM 链路对齐
   - 更新 backend/infra/rag/factory.go：RAG embedding API Key 不再走 `apiKeyEnv` 间接映射，统一直接读取 `ARK_API_KEY`
   - 更新 backend/infra/rag/config/config.go：删除 `rag.embed.apiKeyEnv` 配置字段，收敛配置分叉
   - 更新 backend/config.example.yaml：示例配置切到当前联调口径，保持 `rag.enabled=true`、`memory.rag.enabled=true`，并对齐 Milvus / embed 配置

4. Memory + RAG 联调链路可运行态修正
   - 当前已验证 memory 抽取写库、RAG ingest 写入 Milvus、后续语义召回链路可继续联调
   - 检索失败场景已从“直接 panic”收敛为“记录日志并降级”，不再阻断主聊天链路

前端：无
仓库：无

undo：
1. 增删改查的 mysql 记忆去重没实现
2. 提取用户话为记忆的过滤机制不足，有点无脑
3. RAG 召回也有问题

backend/config.example.yaml

@@ -49,15 +49,15 @@ time:
     semesterEndDate: "2026-07-19" #学期结束日期，一定要设定为周日，确保最后一周完整
 
 agent:
-  workerModel: "doubao-seed-1-6-lite-251015" # 智能体使用的Worker模型，需根据实际情况调整
-  strategistModel: "deepseek-v3-2-251201" # 策略师使用的Worker模型，需根据实际情况调整
+  workerModel: "doubao-seed-2-0-code-preview-260215" # 智能体使用的Worker模型，需根据实际情况调整
+  strategistModel: "doubao-seed-2-0-code-preview-260215" # 策略师使用的Worker模型，需根据实际情况调整
   baseURL: "https://ark.cn-beijing.volces.com/api/v3" # Worker服务的基础URL，需根据实际情况调整
-  dailyRefineConcurrency: 3 # 日内并发优化并发度，建议按模型配额调整
+  dailyRefineConcurrency: 7 # 日内并发优化并发度，建议按模型配额调整
   weeklyAdjustBudget: 5 # 周级跨天配平额度上限，防止过度调整
 
 rag:
-  enabled: false
-  store: "inmemory" # 可选：inmemory / milvus
+  enabled: true
+  store: "milvus" # 可选：inmemory / milvus
   topK: 8
   threshold: 0.55
   retrieve:
@@ -66,16 +66,14 @@ rag:
     chunkSize: 400
     chunkOverlap: 80
   embed:
-    provider: "mock" # 可选：mock / eino
-    model: "" # 例如 Ark/OpenAI 兼容 embedding 模型名
-    baseURL: "https://ark.cn-beijing.volces.com/api/v3"
-    apiKeyEnv: "ARK_API_KEY"
+    provider: "eino" # 可选：mock / eino
+    model: "doubao-embedding-vision-251215" # 例如 Ark/OpenAI 兼容 embedding 模型名
+    baseURL: "https://ark.cn-beijing.volces.com/api/v3" # 这里填服务根路径，SDK 会自动拼接 /embeddings；API Key 统一从环境变量 ARK_API_KEY 读取
     timeoutMs: 1200
     dimension: 1024
   reranker:
     enabled: false
     provider: "noop" # 当前默认 noop，后续可扩展
-    timeoutMs: 1200
   milvus:
     address: "http://localhost:19530" # Milvus REST 入口，当前联调确认不要填 9091 健康检查口
     token: "root:Milvus"
@@ -87,7 +85,7 @@ rag:
 memory:
   enabled: true
   rag:
-    enabled: false
+    enabled: true
   prompt:
     extract: ""
     decision: ""
@@ -103,7 +101,7 @@ memory:
     claimBatch: 1
 
 websearch:
-  provider: mock          # 可选：mock | bocha（mock 为空实现，跑通链路用）
+  provider: bocha         # 可选：mock | bocha（mock 为空实现，跑通链路用）
   apiKey: ""              # 搜索供应商 API Key（bocha 模式必填，否则降级为 mock）
   timeout: 10s            # 单次搜索请求超时
   fetchTimeout: 15s       # 单次 URL 抓取超时