召回可信与可调：修复基准 seed bug + 可配置融合配方（RRF/blend/min-max）+ 信号透明 #106

问题

记忆检索（召回）目前在三个点上"不可信、不可调"，直接影响结果质量：

1. 自带基准无法验证召回是否正确

scripts/benchmark-recall.js 的 seed 在存种子记忆时漏传 id（store.save 于是生成 UUID），而测试用例的 expected 是按 mem_* id 精确匹配的。结果无论怎么改配置，Recall 恒为 0%。这意味着连"现状召回是什么水平"都测不出来，任何召回改动都无从验证。

2. 融合方式量纲不同、直接相加

searchMemories 在 mode=vector/hybrid 时把三路分数加权求和：原始 cos（vector）+ keyword 分数 + 归一化 IDF（BM25）。三路量纲不同、缺乏归一化基准。用户想靠切换搜索模式获得更精准排序时，这个"混合"实际是"把不同尺度的分数硬加"，排序可信度存疑。

3. 结果不说来源，无法诊断

默认 mode=auto 时 keyword 优先、vector/bm25 只填剩余空位。结果对象虽带 source/score，但没有各路的原始信号。想判断"这条结果为什么排前面"（是关键字命中、语义相近、还是 BM25 命中）没有数据支撑。

提议的改善

• recallFusion: enum [blend|rrf|minmax]，默认 blend（沿用现状逻辑，零行为变更）
  • blend：现加权加和（保持）
  • rrf：Reciprocal Rank Fusion（k=60），对各路排名做加权汇聚，天然兼容不同量纲
  • minmax：各源归一化到 [0,1] 后再加权，修量纲问题
• signalTransparency: 默认 false；开启后每条结果带 signals{keyword,vector,bm25,final}，便于诊断来源
• 两者入 feature-flag 白名单，设置面板可启停
• benchmark 修复 seed + 扩种子库 + runFusionBenchmark() 做 blend/rrf/minmax A/B

验证

• 基准修复：legacy Recall@5 0%（bug）→ 83.3%，fused 100%
• 三方 A/B：blend=rrf=minmax 在玩具集（12 条记忆、topK=5）均 Recall@5 100%、MRR 0.917——toy 数据量纲接近、区分度不足；配方级差异需在更真的语义数据集上验证
• 测试全绿，npm run sync 后 src/lib 一致

几个想请你定的点

1. RRF 的 k=60 是否合适？min-max 是否要每路独立归一化窗口？
2. signalTransparency 默认关（作为调试观测）是否合适，还是要随版本默认开？
3. signals 字段命名（keyword/vector/bm25）是否符合预期观察维度？