feat(brain): Anhaenge an Memory-Eintraege (Stufe A — Backend)

Pro Memory koennen jetzt Dateien (Bilder, PDFs, Sound, ...) angehaengt
werden. Use-Case: Stefan sagt "ich hab eine Cessna 172" und pinnt
gleich ein Foto dran — ARIA sieht spaeter neben dem Memory auch die
visuelle Referenz (Stufe E = Multi-Modal-Pipeline).

Stufe A baut nur den Backend-Layer; UI kommt in Stufe B (Diagnostic)
und C (App). Anhaenge werden in Stufe A nur via HTTP-API gepflegt
(curl), ARIA selbst kann sie noch nicht hochladen — sinnvoll erst
wenn die Vision-Pipeline (Stufe E) steht.

Komponenten:

- memory_attachments.py: neuer Storage-Helper. Layout
  /shared/memory-attachments/<memory-id>/<safe-filename>.
  Filename-Sanitization (kein Path-Traversal), Limit 20 MB
  konfigurierbar, save/list/delete/read_bytes + delete_all fuer
  Cleanup beim Memory-Delete.

- vector_store.py: MemoryPoint.attachments (List[dict]) — Metadaten
  {name, mime, size, path} im Qdrant-Payload damit Suche/Anzeige
  sie ohne Filesystem-Lookup kennt.

- main.py:
  - MemoryIn akzeptiert attachments-Liste (fuer Restore-Faelle)
  - MemoryOut liefert attachments
  - GET    /memory/{id}/attachments              → Liste vom FS
  - POST   /memory/{id}/attachments              → Base64-Upload,
            schreibt FS + updated Payload-Liste
  - DELETE /memory/{id}/attachments/{filename}   → FS + Payload-Eintrag weg
  - GET    /memory/{id}/attachments/{filename}   → Bytes mit MIME serve
  - /memory/delete cleanup: ruft attachments.delete_all damit kein
    Verzeichnis verwaist

Smoke-Test nach Brain-Rebuild (Stefan auf VM):
  # Memory-ID rauspicken
  ID=$(curl -s "$ARIA_BRAIN_URL/memory/list?type=fact" | python3 -c "import sys,json;print(json.load(sys.stdin)[0]['id'])")
  # Bild als Base64 hochladen
  B64=$(base64 -w0 /pfad/zu/foto.jpg)
  curl -s -X POST "$ARIA_BRAIN_URL/memory/$ID/attachments" \
    -H 'Content-Type: application/json' \
    -d "{\"name\":\"foto.jpg\",\"data_base64\":\"$B64\"}" | jq
  # Liste anzeigen
  curl -s "$ARIA_BRAIN_URL/memory/$ID/attachments" | jq
  # Datei wieder laden
  curl -s "$ARIA_BRAIN_URL/memory/$ID/attachments/foto.jpg" -o /tmp/back.jpg

Stufe B (Diagnostic-UI) folgt sobald A getestet ist.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

aria-brain/memory/vector_store.py

@@ -60,6 +60,11 @@ class MemoryPoint:
     updated_at: str = ""
     conversation_id: Optional[str] = None
     score: Optional[float] = None  # nur bei Search gesetzt
+    # Anhaenge: Liste von Dicts {name, mime, size, path} — Dateien liegen
+    # physisch unter /shared/memory-attachments/<memory-id>/<name>.
+    # Hier in der DB nur die Metadaten, damit die Suche/Anzeige sie kennt
+    # ohne Filesystem zu pruefen.
+    attachments: List[dict] = field(default_factory=list)
 
     def to_payload(self) -> dict:
         p = {
@@ -72,6 +77,7 @@ class MemoryPoint:
             "tags": self.tags,
             "created_at": self.created_at,
             "updated_at": self.updated_at,
+            "attachments": self.attachments,
         }
         if self.conversation_id:
             p["conversation_id"] = self.conversation_id
@@ -92,6 +98,7 @@ class MemoryPoint:
             created_at=payload.get("created_at", ""),
             updated_at=payload.get("updated_at", ""),
             conversation_id=payload.get("conversation_id"),
+            attachments=payload.get("attachments", []) or [],
             score=getattr(point, "score", None),
         )