♻️ refactor(core): 重构 AI 能力与定时任务调度系统 (#2148)

* ♻️ refactor(core): 重构 AI 能力与定时任务调度系统

- 【AI 能力与工具】重构 Capability 注册与管理机制，引入 CapabilityManager 统一管理
- 移除全局能力注册表，改用声明式装饰器 `@capability` 进行解耦注册
- 重构工具解析器链，使用统一的 BaseToolResolver 代替原有的多个特定解析器
- 增强工具查询过滤，支持通配符匹配、工具箱过滤和排除标签
- 【定时任务调度】重构定时任务管理器，引入 SchedulerRegistry 统一管理任务元数据
- 引入 JobConfig 聚合定时任务配置，支持用户维度的定时任务调度
- 重构执行分发器，支持并发限制、串行间隔和随机延迟打散
- 【运行上下文】引入 ScheduledDeps 以支持后台和定时任务环境下的依赖注入
- 优化 RunContext，支持从定时任务上下文快速构造，并提供 emit 辅助方法
- 【日志与监控】引入 AILoggerProxy，实现 AI 各模块的专属日志输出
- 将各模块的全局 logger 替换为对应的模块专属日志代理
- 【其他优化】修复 Pydantic V1 兼容层中 model_validator 的装饰器兼容性问题
- 在非交互式环境（如定时任务）中自动隐藏 HITL 交互工具以节省 Token

* ♻️ refactor(core): 优化内部导入路径并提升 Pydantic 兼容性

- 【重构】将 `services/ai` 模块内的绝对导入重构为相对导入，优化包结构
- 【重构】移除不必要的 `if TYPE_CHECKING` 保护，通过 `from __future__ import annotations` 直接导入类型
- 【清理】清理 `core/messages/types.py` 中未使用的 `AssistantContentUnion` 等联合类型定义
- 【优化】在 `utils/pydantic_compat.py` 中新增 `model_rebuild` 兼容函数，统一 Pydantic V1/V2 的模型重建逻辑
- 【优化】将部分函数内部的延迟导入提升至模块顶部，规范代码结构

* ♻️ refactor(imports): 优化导入路径为相对导入并清理冗余导入

- 【重构】将 AI 服务相关模块中的绝对导入路径修改为相对导入，提升模块内聚性与可移植性
- 【清理】移除多处函数内部或类方法中未使用的冗余导入，避免循环引用和资源浪费
- 【格式化】微调部分工具装饰器和返回语句的格式与尾随逗号

* 🚨 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/builder.py

@@ -1,33 +1,31 @@
 from __future__ import annotations
 
 from collections.abc import Callable
-from typing import TYPE_CHECKING, Any
+from typing import Any
 from typing_extensions import Self
 
 from pydantic import BaseModel
 
-if TYPE_CHECKING:
-    from zhenxun.services.ai.context.memory.models import MemorySlot
-    from zhenxun.services.ai.context.memory.storage.interfaces import (
-        BaseChatContext,
-        BaseMemoryIngestionMiddleware,
-        BaseSlotContext,
-    )
-    from zhenxun.services.ai.context.rag.backends import Embedder, StorageBackend
-    from zhenxun.services.ai.context.rag.engine import ScopedRAGClient
-
 from zhenxun.services.ai.context.memory.compression import MemoryPolicy
 from zhenxun.services.ai.context.memory.models import (
     ContextCompressionConfig,
     IngestionConfig,
     LongTermConfig,
     MemoryConfig,
+    MemorySlot,
     ShortTermConfig,
     SlotMemoryConfig,
 )
+from zhenxun.services.ai.context.memory.storage.interfaces import (
+    BaseChatContext,
+    BaseMemoryIngestionMiddleware,
+    BaseSlotContext,
+)
 from zhenxun.services.ai.context.memory.types import (
     AutoRecallPolicy,
 )
+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
 
 
@@ -51,7 +49,7 @@ class MemoryBuilder:
         )
 
     @classmethod
-    def auto(cls) -> "MemoryBuilder":
+    def auto(cls) -> MemoryBuilder:
         """
         创建一个开箱即用的默认记忆配置构建器。
 
@@ -61,7 +59,7 @@ class MemoryBuilder:
 
     @classmethod
     def resolve(
-        cls, memory: bool | MemoryConfig | "MemoryBuilder" | None
+        cls, memory: bool | MemoryConfig | MemoryBuilder | None
     ) -> MemoryConfig:
         if isinstance(memory, MemoryConfig):
             return memory
@@ -85,7 +83,7 @@ class MemoryBuilder:
         self,
         enable: bool = True,
         isolation: ScopeBuilder | None = None,
-        backend: "str | BaseChatContext | None" = None,
+        backend: str | BaseChatContext | None = None,
     ) -> Self:
         """
         配置短期对话历史记忆。
@@ -107,8 +105,8 @@ class MemoryBuilder:
         self,
         enable: bool = True,
         scopes: dict[str, ScopeBuilder] | None = None,
-        default_slots: list["MemorySlot"] | None = None,
-        backend: "str | BaseSlotContext | None" = None,
+        default_slots: list[MemorySlot] | None = None,
+        backend: str | BaseSlotContext | None = None,
         instructions: str | None = None,
     ) -> Self:
         """
@@ -136,9 +134,9 @@ class MemoryBuilder:
         self,
         enable: bool = True,
         scopes: dict[str, ScopeBuilder] | None = None,
-        engine: "ScopedRAGClient | None" = None,
-        backend: "str | StorageBackend | None" = None,
-        embedder: "Embedder | str | None" = None,
+        engine: ScopedRAGClient | None = None,
+        backend: str | StorageBackend | None = None,
+        embedder: Embedder | str | None = None,
         agentic: bool = True,
         auto_recall: AutoRecallPolicy = False,
         instructions: str | None = None,
@@ -250,7 +248,7 @@ class MemoryBuilder:
         return self
 
     def with_ingestion_middlewares(
-        self, *middlewares: "BaseMemoryIngestionMiddleware"
+        self, *middlewares: BaseMemoryIngestionMiddleware
     ) -> Self:
         """
         配置记忆入库管线中间件。