记忆 GC 保留评分（RetentionScore）

wesgine 的记忆 GC 使用 retentionScore 加权评分来决定淘汰优先级，而非简单的 LRU。

评分公式

retentionScore = timeDecay × W_time
               + recallWeight × W_recall
               + trustWeight × W_trust
               + kindWeight × W_kind

各因子范围 [0, 1]，权重之和 = 1。

因子详解

timeDecay（时间衰减）

基于 accessed_at 的指数衰减。最近被访问的条目衰减慢，长期未访问的衰减快。

accessed_at 已归一化为 max(accessed_at, created_at)（INV-MEM-51）
避免零值导致的 55 年衰减问题

recallWeight（召回频率）

基于 recall_count 的对数权重。被频繁召回的条目得分高。

touchWriter 批量更新 recall_count
5 秒窗口内同一条目多次命中分别计数（修复了早期合并 bug）

trustWeight（信任权重）

基于 Trust 等级的静态映射：

Trust	权重
TrustSystem	1.0
TrustExplicit	0.8
TrustMulti	0.6
TrustInferred	0.4
TrustUnknown	0.2

kindWeight（类型权重）

不同 Kind 有不同的 GC 保护力度：

constraint / instruction / environment：GC 豁免（不参与评分）
fact / collective：较高权重
preference / correction：中等权重
context（仅 cold-start）：较低权重

GC 豁免类型

以下 Kind 完全免疫 GC 淘汰：

KindConstraint
KindInstruction
KindEnvironment

豁免条目仍计入配额，但不参与 retentionScore 排序。

淘汰流程

定时触发 GC
    ↓
查询非豁免条目（按 retentionScore 升序）
    ↓
score 最低的条目优先淘汰
    ↓
每批 N 条（节流），避免数据库压力
    ↓
QuotaSink.RecordMemoryDelta(-N) 更新配额

与 TTL 的关系

TTL 是硬过期（到期直接删除），retentionScore 是软排序（超配额时低分先淘汰）。两者互补：

TTL 处理"这条目注定要过期"
retentionScore 处理"配额紧张时谁先走"

INV-MEM-26

GC runMaxEntries 使用 recall-frequency weighted 淘汰，不是纯 LRU。