用途：在自学习记忆系统中开启一个新的学习片段（episode），为该片段建立带上下文的记录，使记忆后端能够从执行模式中学习。适用于开始一个需要被追踪的新任务时。
主要能力与步骤：
- 理解任务：解析任务描述，识别任务类型（实现、调试、重构、测试）、领域（存储、模式、检索、测试等）以及语言上下文（Rust/Tokio/异步模式）。
- 准备 TaskContext：需包含 language（如 "rust"）、domain（取值为 storage、patterns、retrieval、embedding、testing、ci 之一）、tags（相关标签数组，如 ["turso", "async", "tokio"]）。
- 创建片段：调用 SelfLearningMemory::start_episode(task_description, context)。任务描述应清晰简洁（1-2 句），并包含用户请求中的相关上下文。
- 保存 episode_id：保留该 ID 用于记录后续步骤。
- 初始化步骤日志：准备记录执行步骤，包括所用工具、执行动作、延迟/令牌数（如适用）、成功状态与观察结果。
存储要求：持久化到 Turso（持久存储），缓存到 redb（快速访问），上下文以 JSON blob 形式存储。
示例： let context = TaskContext { language: "rust".to_string(), domain: "storage".to_string(), tags: vec!["turso".to_string(), "async".to_string()], };
let episode_id = memory .start_episode( "Implement async batch pattern updates", context ) .await?;
注意事项：需始终验证 Turso 与 redb 连接是否健康；错误处理使用 anyhow::Result；初始化失败需携带上下文记录日志。限制方面，本资料未提供更多信息。