feat: iPet → iAs 完整迁移，Rust 版微信 AI 助手

Phase 1 ✅ CLI 框架 + 配置系统
  - clap 子命令: login / listen / send / whoami / usage
  - config.json + env var 替换
  - tracing 日志系统
  - state 持久化（auth/runtime 文件存 + PostgreSQL）

Phase 2 ✅ 微信通道
  - wechat::client — 完整 iLink Bot HTTP API 实现
  - 扫码登录（终端二维码 + 轮询状态）
  - 长轮询 getupdates / 消息收发 / 监听注册

Phase 3 ✅ AI 对话（纯文本 + function calling）
  - LlmProvider trait: DeepSeek + LM Studio 实现
  - SSE 流式解析（text / reasoning / tool_calls delta / usage）
  - Conversation: 消息历史 + chat / chat_with_tools 工具循环

Phase 4 ✅ PostgreSQL 集成
  - app_state（认证 KV 存储）
  - chat_records（消息收发记录）
  - llm_usage（Token 用量统计缓存命中率）
  - user_memories（长期记忆持久化）
  - pending_approvals（审批确认码）
  - scheduled_tasks（定时任务表）

Phase 5 ✅ 一切皆 Skill（工具系统）
  - SkillRegistry: 系统 + 用户 skills 双目录合并
  - SKILL.md 解析器 + 子进程执行器（stdin JSON → stdout）
  - 9 个系统 Skills: datetime / weather / search / email /
    shell / schedule / memos / read_memories / read_summaries
  - ApprovalManager: High 风险技能 → 确认码审批（透明模式）
  - High 风险技能：确认码审批（透明模式）

Phase 6 ✅ 定时任务调度器

上下文管理
  - ChatSession: checkpoint + token budget (28K) + summaries
  - Token 估算器（中英文自适应）
  - 12h 空闲 → trigger_idle_summary（不入会话）
  - Budget 溢出 → trigger_overflow_summary（入会话 + drain 旧消息）
  - Summarizer: LLM 生成自然语言摘要（fallback 简单截断）
  - 长期记忆 / 摘要 通过 read_memories / read_summaries 工具按需读取

工具调用日志 + Token 统计
  - INFO: 工具名 + 参数 + 结果摘要
  - DEBUG: 子进程 exit/stdout/stderr
  - ias usage --since --until --model 查看用量和缓存命中率

resources/skills/manage_memos/scripts/memo.sh

@@ -0,0 +1,58 @@
+#!/bin/bash
+# 备忘录管理 — 存储 .data/memos.json
+MEMO_FILE=".data/memos.json"
+mkdir -p "$(dirname "$MEMO_FILE")"
+[ ! -f "$MEMO_FILE" ] && echo '[]' > "$MEMO_FILE"
+
+read -r INPUT
+export MEMO_INPUT="$INPUT"
+
+python3 - "$MEMO_FILE" << 'PYEOF'
+import sys, json, os, datetime
+
+path = sys.argv[1]
+input_raw = os.environ.get('MEMO_INPUT', '{}')
+
+try: req = json.loads(input_raw)
+except:
+    print('无效的 JSON 输入')
+    sys.exit(1)
+
+action = req.get('action', 'list')
+content = req.get('content', '')
+memo_id = req.get('id', '')
+
+data = json.load(open(path)) if os.path.exists(path) and os.path.getsize(path) > 0 else []
+
+if action == 'add':
+    if not content:
+        print('请提供 content 参数')
+        sys.exit(1)
+    next_id = max([m.get('id', 0) for m in data], default=0) + 1
+    data.append({'id': next_id, 'content': content, 'created_at': datetime.datetime.now().isoformat()})
+    json.dump(data, open(path, 'w'), ensure_ascii=False, indent=2)
+    print(f'已添加备忘录 #{next_id}')
+
+elif action == 'list':
+    if not data:
+        print('暂无备忘录')
+    else:
+        for m in data:
+            ts = m.get('created_at', '?')[:16]
+            print(f"#{m['id']} [{ts}] {m['content']}")
+
+elif action == 'delete':
+    if not memo_id:
+        print('请提供 id 参数')
+        sys.exit(1)
+    new = [m for m in data if str(m.get('id', '')) != str(memo_id)]
+    if len(new) == len(data):
+        print(f'未找到备忘 #{memo_id}')
+    else:
+        json.dump(new, open(path, 'w'), ensure_ascii=False, indent=2)
+        print(f'已删除备忘 #{memo_id}')
+
+else:
+    print(f'未知操作: {action}（支持: add, list, delete）')
+    sys.exit(1)
+PYEOF