Improve cross_device MemFuse recall with source tags and recallContext.

Auto-enable device/location prefixes for cross_device scenarios, thread question_device into keyword and embedding paths, and boost lexical scores from source-tag tokens.

Co-authored-by: Cursor <cursoragent@cursor.com>

docs/architecture/memfuse-bench-baseline.md

@@ -167,6 +167,29 @@ DashScope 指标与门控前持平；lexical-hash 路径 recall +0.7pp。deep ra
 
 相对初始 DashScope 基线（~23.7% recall），累计 recall **+5.1pp**、hitAny **+10pp**、MRR **+0.07**。
 
+### cross_device 弱维优化（k=20，commit 待填）
+
+`cross_device_*` 题全带 `question_device`（如 `phone_sarah`），证据跨 watch/phone/car 等设备，且 fusion 维平均 **15.2** 条 gold/题（recall@k 天然偏低，hitAny 更关键）。
+
+改动：
+- 含 `cross_device_*` 题的 scenario **自动启用 `[device · location]` source-tags**（写入语料前缀，供嵌入/lexical 共用）
+- `resolve({ recallContext: { device, user } })`：device 拆词优先 keyword（`phone`/`sarah`），嵌入 query 追加 `device context:` 行
+- `latinWordQueryCoverage` 对 source-tag 前缀 token（含 `watch_ethan` → `ethan`）额外 +35% 权重上限
+
+| 维度 | 指标 | 优化前 | 优化后 | Δ |
+|---|---|---|---|---|
+| information_fusion | candidateRecall | 70.1% | **78.6%** | +8.5pp |
+| information_fusion | hitAny@k | 62.0% | **69.0%** | +7.0pp |
+| information_fusion | recall@k | 11.0% | 11.8% | +0.8pp |
+| causal_reasoning | candidateRecall | 66.0% | **82.3%** | +16.3pp |
+| causal_reasoning | hitAny@k | 81.0% | 79.4% | −1.6pp |
+| causal_reasoning | recall@k | 22.8% | 21.7% | −1.1pp |
+| **全量 357** | recall@k | 28.8% | **28.6%** | ≈0 |
+| **全量 357** | hitAny@k | 74.8% | **75.6%** | +0.8pp |
+| **全量 357** | MRR | 0.392 | **0.397** | +0.005 |
+
+fusion 仍是最弱维，但候选/ hitAny 明显提升；全量指标基本持平略升。生产侧需在写入记忆时 materialize 与 bench 一致的 device 前缀（或等价 metadata）。
+
 ### 语义嵌入（DashScope / Qwen，推荐）
 
 memind_adm 后台 Providers 里配置的 **DashScope Qwen 密钥**存在 MySQL `h5_llm_provider_keys`，MemFuse bench 可直接复用，**不需要 OpenAI**：