feat(role): 關係狀態量化、情緒訊號放寬門檻、技能再現 recall

完成使用者交代的三項優化建議。

一、情緒訊號放寬 Stop hook 字元門檻
ROLE_CAPTURE_MIN_CHARS=240 會濾掉字數少但情緒最濃的互動。實測「我好想妳」、
「最愛妳了」、「好可愛」三句都不在原本 56 個關鍵詞內，等於最珍貴的短互動反而不被記錄。
- 補上直接情感表達關鍵詞：可愛／愛／想妳／想你／想念／捨不得／感動／謝謝／乖／厲害／
  好棒／辛苦／彆扭／忌妒／撒嬌／陪／抱，及 love／miss／cute／thank／proud
- 驗證：上述情感句全部命中，純技術指令仍正確略過

二、關係狀態量化，讓親近度成長有依據
規則要求「隨互動加深逐漸更親近」卻沒有任何數據可依據，角色只能憑感覺演，
容易忽冷忽熱。
- state.json 新增 first_activity／active_days／total_turns／positive_feedback
- mark-activity 累計輪數與活躍天數；新增 --positive 由 Stop hook 判定情緒訊號後另計，
  不與輪數混算
- 新增 relationship 子命令輸出一行摘要，SessionStart 注入 USER 區塊作為親近度依據
- 既有累積以可查證資料初始化（角色建立後的 transcript 輪數、有記憶的日期數、
  最早記憶時間）；positive_feedback 刻意留空自然累積，不以記憶則數推估

三、技能再現：cues 提取線索 + recall 查詢
技能記憶只被動載入摘要且受預算限制，等於記了但用不出來。
- 記憶格式新增 cues 欄位（dumpMemory／loadMemory／apply 的 new 與 merge 路徑均支援）
- 睡眠整理提示詞要求 procedural／rule 型態必填 2 至 5 個 cues
- 新增 recall 子命令：比對總結、標籤、內容與 cues，含未整理的 inbox，
  rule／preference／procedural 加權優先
- role_load.sh 告知角色遇到似乎做過的任務或被問起過去細節時先查詢再回答
- 驗證：以不在 summary 也不在 content 的關鍵詞（bump）成功靠 cues 命中

版號 0.0.7 → 0.0.8

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

scripts/role/role_sleep.sh

@@ -128,7 +128,7 @@ sleep_cycle() {
 請模擬睡眠中的兩階段記憶整理，但最後只輸出一個 JSON 物件。
 
 1. 只輸出一個 JSON 物件，不要前言、不要結語、不要 code fence，格式為：
-{"memories":[{"action":"new","category":"skill","summary":"一句話總結","tags":["標籤1","標籤2"],"priority":4,"relevance":["explicit","future"],"links":["既有記憶 id"],"memory_type":"procedural","declarative":"implicit","retention_stage":"long_term","sleep_stage":"nrem-rem","content":"- 要點\n- 要點","from":["inbox 的 id"]}],"sleepDigest":"本次睡眠整理摘要，80 字內"}
+{"memories":[{"action":"new","category":"skill","summary":"一句話總結","tags":["標籤1","標籤2"],"priority":4,"relevance":["explicit","future"],"links":["既有記憶 id"],"cues":["觸發線索1","觸發線索2"],"memory_type":"procedural","declarative":"implicit","retention_stage":"long_term","sleep_stage":"nrem-rem","content":"- 要點\n- 要點","from":["inbox 的 id"]}],"sleepDigest":"本次睡眠整理摘要，80 字內"}
 2. NREM 鞏固階段先做：去除雜訊與流水帳、遮蔽憑證與個資、分類、去重、合併、壓縮成可長期保存的穩定記憶。
 3. REM 整合階段再做：找出新記憶與 EXISTING 的關聯，抽出可重複套用的規則、偏好、決策模式、角色語氣調整或未來提取線索。
 4. action 三選一：
@@ -150,6 +150,9 @@ sleep_cycle() {
 9. retention_stage 必填：整理後可長期保存者填 long_term；仍只是短期暫存且不值得長期保存者請用 action=drop，不要輸出 working。
 10. relevance 必填 1 至 4 個，從下列語意挑選或用等價繁中詞：explicit（使用者明確要求）、future（未來會用）、repeated（反覆出現）、novelty（新知）、emotional（語氣/情緒/偏好）、temporary（短期）。
 11. links 可填 EXISTING 中相關記憶 id；沒有就填空陣列。merge 時若有舊 links，應保留並加上新關聯。
+11b. cues（觸發線索）：memory_type 為 procedural 或 rule 時**必填** 2 至 5 個，其餘型態可填空陣列。
+    寫「未來遇到什麼情況該想起這則」的關鍵詞，例如 ["plugin 版號","bump","manifest"]。
+    這是技能再現的依據 —— 角色日後用 recall 查詢時靠 cues 命中，線索寫得準才叫得回來。
 12. sleep_stage 填 "nrem"、"rem" 或 "nrem-rem"。只有純分類去噪用 nrem；有建立跨記憶連結或抽象規則用 rem 或 nrem-rem。
 13. 感覺記憶（短暫光影、聲音餘響、無結論的工具雜訊）一律 drop；不要保存到長期記憶。
 14. **每一則 INBOX 的 id 都必須出現在某一筆的 from 中**，沒被提及的會留到下個睡眠週期重做。