[增强] 将 Valkey 添加为 VectorDatabase 后端

解决方案建议 我将发布一个 ValkeyVectorDatabase 适配器，遵循 Chroma/Qdrant/Mongo 适配器模式： - 每个集合一个 FT 索引（命名为 {collection}_{embedder_type}） - 文档 CRUD 的哈希键 - FT.SEARCH 与 KNN 向量查询 + 过滤表达式，用于 find_similar_documents - Where 过滤语法（$eq、$in、$and、$or）的转换为 Valkey Search 语法 我将使用我们的 valkey-glide 客户端库，这是 valkey-io 维护的官方客户端。不需要对核心引擎代码进行任何更改，因为这只是在现有工厂模式基础上添加的一个适配器。 # 讨论 我已经阅读了 VectorDatabase ABC 和现有实现，并且非常确定接口与 Valkey Search 提供的内容一一对应。 Valkey Search 1.2（2026 年 3 月发布）增加了 TEXT 字段支持，与现有的 TAG、NUMERIC 和 VECTOR 类型一起，覆盖了 Parlant 集合使用的所有字段类型。如果有兴趣，我愿意实现此功能并推进 PR。但是，我需要先确认以下几点： 1. 适配器应该放在哪里？（我假设是 src/parlant/adapters/vector_db/valkey.py，与其他适配器一起） 2. 是否应该作为可选依赖项（例如，parlant[valkey]）还是捆绑在一起？ 3. 是否有任何计划重构 VectorDatabase 接口，以避免冲突？