♻️ refactor(tools): 重构工具装饰器系统并优化沙箱与文档注释 (#2147)

* ♻️ refactor(ai): 重构 AI 服务模块并完善文档注释

- 【重构】统一清理并优化所有 AI 服务模块文件的导入语句，将其移至文件顶部
- 【重构】重构 `hooks.py` 中的 `Hooks` 派发逻辑，使用通用管道函数消除重复代码，并引入 `HookPoint` 描述符
- 【重构】重构工具装饰器实现，新增 `toolkit` 类装饰器，优化 `BaseToolkit` 配置合并与前缀处理
- 【功能】Docker 沙箱容器创建时支持自动注入系统代理环境变量并配置 `ExtraHosts`
- 【功能】Jupyter 服务启动前自动清理旧进程并初始化临时目录权限
- 【修复】优化 Pydantic 结构化输出校验失败时的错误信息提取，提供更详细的字段级错误反馈
- 【修复】在 `api.py` 中避免将 `ModelRetry` 和 `ControlFlowExit` 异常错误地包装为 `LLMException`
- 【文档】为 AI 服务、沙箱、工具链、工作流等核心模块补充完整的 Docstring 和类型注释

* 📝 docs(ai): 补全核心模块文档注释并清理冗余代码

- 补全 `run/context`、`run/hooks` 和 `tools/engine/registry` 中类与方法的中文文档注释
- 清理 `tools/providers/builtin/sandbox` 中未使用的 `PythonPluginProtocol` 协议及相关导入
- 规范化部分代码的格式与尾随逗号

* ♻️ refactor!(flow): 重构 Task 为 AgentTask 并优化工作流元数据定义

- 【Breaking Change】将 `Task` 重命名为 `AgentTask` 以避免命名冲突
- 更新 Agent、Team、Workflow 等模块中的类型声明与相关逻辑
- 引入 `AutoNodeMeta` 强类型元数据，替换工作流装饰器中的裸字典定义
- 将 `StepMeta`、`ConditionMeta` 和 `RouterMeta` 统一移动至 `types.py`
- 优化 `RunnableNode` 对上游 `AgentTask` 的处理与拼接逻辑
- 调整团队协作策略中 `FinishAction` 的返回值为完整结果对象

* ♻️ refactor(workflow): 移除人工确认机制并重构错误策略

- 移除工作流节点的人工确认（HITL）与挂起继续机制
- 删除 `auto` 自动化工作流及相关装饰器文件
- 将错误处理策略类从 `types.py` 拆分并移动到新文件 `policies.py`
- 优化节点执行失败时的异常信息格式化输出
- 移除 `WorkflowRunResult` 和 `StepOutput` 中与挂起相关的状态字段

* 🚨 auto fix by pre-commit hooks

---------

Co-authored-by: webjoin111 <455457521@qq.com>
Co-authored-by: pre-commit-ci[bot] <66853113+pre-commit-ci[bot]@users.noreply.github.com>

zhenxun/services/ai/core/engine/context_renderer.py

@@ -16,6 +16,16 @@ class ContextConverter:
     def flatten_to_llm_messages(
         messages: Sequence[AgentMessage], context: Any | None = None
     ) -> list[LLMMessage]:
+        """
+        将包含 AgentEvent 和 LLMMessage 的混合消息序列，扁平化转换为大模型 API 专用的 LLMMessage 列表。
+
+        参数：
+            messages: 混合了 LLMMessage 和 AgentEvent 对象的原始业务消息序列。
+            context: 渲染 AgentEvent 所需的运行时上下文对象（如 RunContext）。
+
+        返回：
+            list[LLMMessage]: 扁平化转换后生成的纯底层大模型原生消息列表。
+        """  # noqa: E501
         flattened: list[LLMMessage] = []
 
         for msg in messages:

zhenxun/services/ai/core/engine/structured_parser.py

@@ -115,10 +115,21 @@ class BaseOutputProcessor(Generic[OutputDataT]):
                 repaired_obj = json_repair.loads(text, skip_json_loads=True)
                 return model_validate(self.target_model, repaired_obj)
             except Exception as repair_error:
-                logger.error(
-                    f"LLM结构化输出校验最终失败: {repair_error}",
-                    e=repair_error,
+                logger.debug(
+                    "JSON修复或模型校验失败，将交由大模型进行反思自愈: "
+                    f"{type(repair_error).__name__}"
                 )
+                if isinstance(repair_error, ValidationError):
+                    error_msgs = []
+                    for err in repair_error.errors():
+                        loc = ".".join(str(x) for x in err["loc"]) or "root"
+                        msg = err.get("msg", "")
+                        error_msgs.append(f"字段 `{loc}`: {msg}")
+                    clean_error_str = "\n".join(error_msgs)
+                    raise SchemaParseError(
+                        f"数据内容未通过规则校验:\n{clean_error_str}"
+                    )
+
                 raise SchemaParseError(
                     f"JSON格式损坏或字段不匹配，未能通过Schema验证: {repair_error}"
                 )