♻️ refactor(core): 重构 AI 编排框架与记忆及 RAG 子系统 (#2149)

* ♻️ refactor(core): 重构 AI 编排框架与记忆及 RAG 子系统

- 【重构】重构 `BaseRunnable` 并引入统一的 `RunIntent` 意图载体，规范 Agent、Team 和 Workflow 的执行流
- 【解耦】将中期记忆槽和长期向量记忆从 `MemoryConfig` 中解耦，转为独立的能力组件与工具箱进行管理
- 【记忆】移除 `MemoryReader` 和 `MemoryWriter`，统一封装为 `SessionMemoryContext` 会话记忆门面
- 【RAG】重构检索器与存储后端接口，统一采用 `QueryRequest` 进行多维度联合检索，并引入 `InMemoryScorer` 提升打分性能
- 【事件】优化 `EventBus` 异步事件分发机制，引入队列机制确保事件按序处理，避免并发竞态问题
- 【依赖注入】移除 `memory` 注入项，优化 `DependencyInjector` 的签名解析缓存以提升性能

* 🚨 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/context/memory/models.py

@@ -2,50 +2,21 @@
 记忆域类型定义
 """
 
-from typing import Any
-
 from pydantic import BaseModel, ConfigDict, Field
 
-from zhenxun.services.ai.context.rag.backends import Embedder, StorageBackend
-from zhenxun.services.ai.context.rag.engine import ScopedRAGClient
 from zhenxun.services.ai.utils.scope import ScopeBuilder
 
 from .storage.interfaces import (
     BaseChatContext,
     BaseMemoryIngestionMiddleware,
     BaseMemoryReducer,
-    BaseSlotContext,
 )
 from .types import (
-    AutoRecallPolicy,
     Isolation,
-    MemorySlot,
     SessionMetadata,
 )
 
 
-class SlotMemoryConfig(BaseModel):
-    """槽位记忆 (Memory Slots) 配置"""
-
-    model_config = ConfigDict(arbitrary_types_allowed=True)
-
-    enable: bool = Field(default=False)
-    """是否启用中期记忆槽"""
-    scopes: dict[str, ScopeBuilder] | None = Field(default=None)
-    """语义化作用域映射字典，供大模型作为 Literal 选择。如果只有一个，则自动隐藏参数"""
-    default_slots: list[MemorySlot] = Field(default_factory=list)
-    """首次初始化时自动写入的默认槽位列表"""
-    backend: str | BaseSlotContext | None = Field(default=None)
-    """
-    指定底层槽位记忆数据库注册名称，或直接传入 BaseSlotContext 实例。
-    为空则使用全局默认
-    """
-    instructions: str | None = Field(default=None)
-    """覆写内置槽位管理工具箱的系统提示词"""
-    toolkit_kwargs: dict[str, Any] = Field(default_factory=dict)
-    """透传给底层 MemorySlotToolkit 的高级参数 (如 prefix, exclude, shared_options)"""
-
-
 class MemoryScoringConfig(BaseModel):
     """长期记忆的复合打分与检索配置"""
 
@@ -57,7 +28,6 @@ class MemoryScoringConfig(BaseModel):
     """重要性权重"""
     recency_half_life_days: int = Field(default=30)
     """时间衰减的半衰期(天)"""
-
     reinforcement_weight: float = Field(default=0.2)
     """访问强化的加权权重 (被检索越多得分越高)"""
 
@@ -78,44 +48,6 @@ class ShortTermConfig(BaseModel):
     """单一的记忆隔离级别 (ScopeBuilder)，决定短期记忆存储边界"""
 
 
-class LongTermConfig(BaseModel):
-    """长期向量记忆配置"""
-
-    model_config = ConfigDict(arbitrary_types_allowed=True)
-
-    enable: bool = Field(default=False)
-    """是否启用长期记忆（开启后自动赋予 Agent 存取记忆的工具，并附加 RAG 召回能力）"""
-    engine: ScopedRAGClient | None = Field(default=None)
-    """
-    [推荐] 指定底层的高级 RAG 检索引擎实例。若传入此项，将覆盖默认的 backend
-    和 embedder 配置。
-    """
-    backend: str | StorageBackend | None = Field(default=None)
-    """
-    指定底层长期向量数据库 (Storage) 注册名称，或直接传入 StorageBackend 实例。
-    为空则使用全局默认
-    """
-    scopes: dict[str, ScopeBuilder] | None = Field(default=None)
-    """语义化作用域映射字典，决定长期记忆存储边界。如果只有一个，则自动隐藏参数"""
-    embedder: str | Embedder | None = Field(default=None)
-    """
-    指定底层向量化引擎 (Embedder) 实例，若为字符串则视为 API 模型名称。
-    为空则使用全局默认
-    """
-
-    agentic: bool = Field(default=True)
-    """是否赋予大模型主动管理记忆的能力 (Agentic Memory)"""
-    auto_recall: AutoRecallPolicy = Field(default=False)
-    """长期记忆的自动召回策略，默认 False (从不自动召回)，由大模型自主
-    决定调用搜索工具"""
-    recall_threshold: float = Field(default=0.5)
-    """长期记忆召回的最低余弦相似度要求"""
-    instructions: str | None = Field(default=None)
-    """覆写内置长期记忆管理工具箱的系统提示词"""
-    toolkit_kwargs: dict[str, Any] = Field(default_factory=dict)
-    """透传给底层 MemoryManagementToolkit 的高级参数"""
-
-
 class ContextCompressionConfig(BaseModel):
     """上下文压缩与管理配置"""
 
@@ -144,14 +76,8 @@ class MemoryConfig(BaseModel):
     """统一的记忆配置项声明"""
 
     model_config = ConfigDict(arbitrary_types_allowed=True)
-    base_isolation: ScopeBuilder = Field(default_factory=Isolation.AGENT_USER)
-    """顶层基准隔离级别，短期/中期/长期记忆将默认继承此级别"""
     short_term: ShortTermConfig = Field(default_factory=ShortTermConfig)
     """短期对话记忆配置"""
-    slots: SlotMemoryConfig = Field(default_factory=SlotMemoryConfig)
-    """槽位记忆配置"""
-    long_term: LongTermConfig = Field(default_factory=LongTermConfig)
-    """长期向量记忆配置"""
     compression: ContextCompressionConfig = Field(
         default_factory=ContextCompressionConfig
     )
@@ -161,12 +87,10 @@ class MemoryConfig(BaseModel):
 
 
 __all__ = [
-    "AutoRecallPolicy",
     "BaseMemoryIngestionMiddleware",
     "ContextCompressionConfig",
     "IngestionConfig",
     "Isolation",
-    "LongTermConfig",
     "MemoryConfig",
     "MemoryScoringConfig",
     "SessionMetadata",