feat(memory): add :memory-md-vector hybrid backend + :reflection-api + outbox/journal entity splits

- :memory-md-vector (KMP jvm+linuxX64+mingwX64): .md-файлы как source of
  truth, векторный индекс (sqlite-vec) как derived cache. reconcile()
  на старте: orphan-cleanup + content-hash-gated re-embed. Гибридный
  скор 0.7*vector + 0.3*keyword. Заменяет EmbeddingProvider на
  KMP-TextEmbeddingExecutor из :memory-api.

- :reflection-api: новый 4-й API-модуль (Reflection, ReflectionStore,
  ReflectionEvent). Зависит только от :memory-api.

- :journal-api получил ConversationRecord/ConversationStore/Ids (бывший
  :message-store-api, полностью удалён). :outbox-api получил Event,
  CommonEvent, AgentEvent (бывший :event-store).

- :memory-api получил MemoryVectorIndex + NoteMatches +
  TextEmbeddingExecutor (suspend-обёртка над TextEmbeddingExtractor).

- :memory-vector KMP-цели достигнуты через commonMain-only TextEmbedding-
  Executor, EmbeddingProvider выпилен; :memory-md-vector тянет
  text-embedding-api транзитивно через :memory-api.

- :standalone flatten в commonMain/commonTest завершён (тесты из jvmTest
  переехали в commonTest). Включён optional деп :memory-md-vector через
  AGENTIK_MEMORY_BACKEND=md-vector.

jvmTest: 96 задач, 407 тестов, 0 падений.

memory-vector/src/jvmTest/kotlin/pw/binom/agentik/memory/vector/FakeTextEmbeddingExtractor.kt

@@ -0,0 +1,41 @@
+package pw.binom.agentik.memory.vector
+
+import pw.binom.agentik.memory.TextEmbeddingExecutor
+import pw.binom.voice.embeddingtext.TextEmbedding
+import pw.binom.voice.embeddingtext.TextEmbeddingExtractor
+
+/**
+ * Детерминированный [TextEmbeddingExtractor] для тестов: хеширует текст в
+ * псевдо-вектор фиксированной размерности. L2-normalize чтобы cosine
+ * работал осмысленно.
+ *
+ * НЕ suspend, как и положено extractor'у — suspend-обёртка живёт в
+ * [TextEmbeddingExecutor] (используется в VectorMemoryStore через
+ * [fakeExecutor]).
+ */
+class FakeTextEmbeddingExtractor(
+    val dimension: Int = 32,
+) : TextEmbeddingExtractor {
+    override fun embed(text: String): TextEmbedding {
+        val v = FloatArray(dimension)
+        var seed = text.hashCode().toLong() and 0xFFFFFFFFL
+        for (i in 0 until dimension) {
+            seed = (seed * 6364136223846793005L + 1442695040888963407L) and 0xFFFFFFFFL
+            v[i] = ((seed.toInt() and 0xFFFF) / 65535f) * 2f - 1f
+        }
+        var norm = 0f
+        for (x in v) norm += x * x
+        norm = kotlin.math.sqrt(norm)
+        if (norm > 0f) for (i in v.indices) v[i] /= norm
+        return TextEmbedding(v)
+    }
+
+    override fun close() = Unit
+}
+
+/**
+ * Удобная обёртка для тестов: создаёт `FakeTextEmbeddingExtractor` и
+ * сразу заворачивает в [TextEmbeddingExecutor] с пред-объявленной размерностью.
+ */
+fun fakeEmbeddingExecutor(dimension: Int = 32): TextEmbeddingExecutor =
+    TextEmbeddingExecutor(FakeTextEmbeddingExtractor(dimension), knownDimension = dimension)