Feat: Agent-Memory auf Mem0 (auto-lernend, semantisch) via Sidecar

Paket A des Plans. Ersetzt die flache SQLite-Fakten-DB durch Mem0 (LLM-Auto-
Extraktion + Vektor/Chroma-Suche). Architektur erzwungen durch Python-Split:
MC2-Backend laeuft auf 3.14 (kann mem0 nicht importieren), mem0+chromadb nur
auf 3.12 (~/.mem0/venv) -> Mem0-Sidecar (FastAPI, localhost:8765), MC2 spricht
ihn per HTTP. /api/memory-Form bleibt unveraendert (UI + MCP kompatibel).

- mem0_service/: Sidecar (app.py), Migration (migrate.py), deps.
  - Embeddings: neue llama-swap embed-Rolle (Qwen3-Embedding-0.6B, 1024 Dim,
    pooling last) ueber /v1/embeddings.
  - LLM-Extraktion: lokales fast-Hirn; NoThinkLLM schaltet Qwen3-Thinking ab
    (sonst bricht json_object-Extraktion ab), custom_instructions halten Deutsch.
- backend/services/memory.py: duenner HTTP-Client auf den Sidecar (semantische
  Suche mit score, verbatim add, learn()). Router: /api/memory/learn.
- mcp/mcp_memory.py: neues learn-Tool (Auto-Lernen aus Gespraechs-Turns),
  search jetzt semantisch.
- Frontend: Relevanz-Score + Auto/Manuell-Herkunft im Gedaechtnis-Tab.
- deploy/: mem0-service.service + deploy.sh (uv-Install, Migration, Restart).

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

frontend/src/views/MemoryView.tsx

@@ -8,6 +8,9 @@ import { cn } from "@/lib/utils"
 
 const CATEGORIES = ["user", "instruction", "stable", "versioned", "ephemeral"]
 
+// Herkunft: automatisch gelernt (Mem0-Extraktion / Agent) vs. manuell angelegt.
+const AUTO_SOURCES = new Set(["auto", "agent"])
+
 const CAT_CONFIG: Record<string, { label: string; icon: any; color: string; border: string; bg: string; text: string }> = {
   user: { label: "User", icon: User, color: "text-cyan-400", border: "border-cyan-500/30", bg: "bg-cyan-500/10", text: "text-cyan-400" },
   instruction: { label: "Regel", icon: Scroll, color: "text-violet-400", border: "border-violet-500/30", bg: "bg-violet-500/10", text: "text-violet-400" },
@@ -154,7 +157,7 @@ export function MemoryView() {
           <input
             value={q}
             onChange={(e) => setQ(e.target.value)}
-            placeholder="Gedächtnis durchsuchen..."
+            placeholder="Semantisch durchsuchen (nach Bedeutung, nicht nur Stichwort)..."
             className="w-full h-9 pl-9 pr-3 rounded-lg border border-border/60 bg-card/45 text-xs outline-none focus:ring-1 focus:ring-primary/50 text-foreground"
           />
           <Search className="absolute left-3 top-2.5 h-3.5 w-3.5 text-muted-foreground" />
@@ -228,7 +231,24 @@ export function MemoryView() {
                 </div>
                 
                 <div className="flex items-center gap-3 shrink-0">
-                  <span className="text-[9px] font-mono text-muted-foreground/60 bg-background/20 px-1.5 py-0.5 rounded uppercase tracking-wider">
+                  {typeof m.score === "number" && (
+                    <span
+                      className="text-[9px] font-mono text-primary bg-primary/10 px-1.5 py-0.5 rounded uppercase tracking-wider"
+                      title="Relevanz der semantischen Suche"
+                    >
+                      {Math.round(m.score * 100)}%
+                    </span>
+                  )}
+                  <span
+                    className={cn(
+                      "flex items-center gap-1 text-[9px] font-mono px-1.5 py-0.5 rounded uppercase tracking-wider",
+                      AUTO_SOURCES.has(m.source)
+                        ? "text-emerald-400 bg-emerald-500/10"
+                        : "text-muted-foreground/60 bg-background/20"
+                    )}
+                    title={AUTO_SOURCES.has(m.source) ? "Automatisch gelernt" : "Manuell angelegt"}
+                  >
+                    {AUTO_SOURCES.has(m.source) && <Sparkles className="h-2.5 w-2.5" />}
                     {m.source}
                   </span>
                   <button