docs: update docs_v1.0/ documentation

- Fix markdown lint issues (MD030, MD047, MD051, MD028, MD005)
- Update AI agents, architecture, implementation docs
- Add new identity, face recognition, and API documentation
- Remove deprecated face/person API guides

docs_v1.0/AI_AGENTS/SUMMARIZATION/CHUNK_RULE_4_SUMMARY.md

@@ -51,14 +51,14 @@ ai_query_hints:
 
 Rule 4 是處理管線的終點，依賴 **Rule 3** 的產出以及 **LLM 服務**。
 
-1.  **Rule 3 Chunks (Primary)**: 提供場景級的文本摘要與元數據。
+1. **Rule 3 Chunks (Primary)**: 提供場景級的文本摘要與元數據。
     - *聚合策略*: 將連續的 5-10 個 Rule 3 Chunks 視為一個「敘事區塊」。
-2.  **LLM Processor (Gemma4)**:
+2. **LLM Processor (Gemma4)**:
     - *任務*: 讀取該區塊內所有 Rule 3 的摘要與 ASR 文本。
     - *輸出*:
         - **Summary**: 流暢的劇情描述。
         - **5W1H**: 結構化的關鍵要素提取。
-3.  **Visual/Audio Retention**:
+3. **Visual/Audio Retention**:
     - 保留區塊內所有出現過的 `face_ids` (Who) 和 `objects` (What/Where)。
 
 ---
@@ -139,21 +139,21 @@ ALTER TABLE parent_chunks ADD COLUMN rule4_parent_id UUID REFERENCES chunks_rule
 Rule 4 是 **RAG (Retrieval-Augmented Generation)** 的核心數據源。
 
 ### 3.1 劇情摘要搜尋 (Plot Search)
-*   **場景**: "這部片在講什麼？"、"他們找到郵票了嗎？"
-*   **邏輯**: 
+- **場景**: "這部片在講什麼？"、"他們找到郵票了嗎？"
+- **邏輯**: 
     1. 搜尋 `summary` 向量。
     2. 返回包含該情節的完整摘要區塊。
 
 ### 3.2 5W1H 結構化查詢 (Structured Query)
-*   **場景**: "找出所有 **Cary Grant (Who)** 在 **車上 (Where)** 的片段"。
-*   **邏輯**:
+- **場景**: "找出所有 **Cary Grant (Who)** 在 **車上 (Where)** 的片段"。
+- **邏輯**:
     1. 過濾 `analysis_5w1h` JSONB 欄位。
     2. `who` 包含 "Cary Grant" **AND** `where` 包含 "car"。
     3. 這種查詢比傳統關鍵字搜索更精準，因為它是經過 LLM 理解後的結構化數據。
 
 ### 3.3 動機與原因搜尋 (Why/How)
-*   **場景**: "他為什麼要偷東西？"
-*   **邏輯**:
+- **場景**: "他為什麼要偷東西？"
+- **邏輯**:
     1. 針對 `analysis_5w1h.why` 進行語意比對。
 
 ---