feat(memory): automatische Erinnerungs-Extraktion aus Gespraechen

- app/core/memory_extractor.py: LLM destilliert nach je N Turns dauerhafte
  Fakten/Vorlieben aus dem Verlauf, dedupliziert gegen vorhandene Erinnerungen
  und legt sie ab - best-effort, nicht-blockierend (Hintergrund-Task), eigener
  Extraktions-Prompt (JSON, Reasoning aus), Cap-Begrenzung
- Trigger in /api/chat und /ws/voice nach dem Persistieren des Turns
- Konfig: MEMORY_EXTRACTION_ENABLED/_EVERY_N_TURNS/_MAX/_PROVIDER
- Tests: Extraktion, Dedup, kaputtes JSON, Cap, leeres Gespraech, Scheduling
- Doku: README + Architektur-Roadmap (Punkt 3 erledigt)

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

.env.example

@@ -77,6 +77,14 @@ TTS_SAMPLE_RATE=24000                                 # Ziel-Sample-Rate (ffmpeg
 # LLM_FALLBACK=local-openai-compatible
 # TTS_FALLBACK=piper
 
+# --- Automatische Erinnerungs-Extraktion -----------------------------------
+# Das LLM destilliert nach je N Turns dauerhafte Fakten/Vorlieben aus dem Gespraech
+# und legt sie als Nutzer-Erinnerungen ab (best-effort, nicht-blockierend).
+# MEMORY_EXTRACTION_ENABLED=true
+# MEMORY_EXTRACTION_EVERY_N_TURNS=3   # wie oft extrahiert wird
+# MEMORY_EXTRACTION_MAX=50            # Obergrenze gespeicherter Erinnerungen
+# MEMORY_EXTRACTION_PROVIDER=         # leer = Default-LLM; sonst Registry-Name
+
 # --- Betrieb: Kontingent & Notfall -----------------------------------------
 DAILY_REQUEST_LIMIT=0          # Anfragen pro Nutzer/Tag (0 = unbegrenzt)
 # EMERGENCY_WEBHOOK_URL=https://example.org/alert  # optionale Eskalation