♻️ 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/flow/base.py

@@ -1,3 +1,5 @@
+from __future__ import annotations
+
 from abc import ABC, abstractmethod
 import asyncio
 from collections.abc import AsyncIterator
@@ -7,12 +9,14 @@ from typing import TYPE_CHECKING, Any, Generic, TypeVar, cast
 
 from pydantic import BaseModel, Field
 
+from zhenxun.services.ai.core.exceptions import ControlFlowExit
 from zhenxun.services.ai.run.context import RunContext
+from zhenxun.services.ai.run.models import StreamedRunResult
 from zhenxun.services.ai.run.ui import UIController
+from zhenxun.services.ai.utils.logger import log_flow as logger
 
 if TYPE_CHECKING:
-    from zhenxun.services.ai.flow.agent.models import Persona
-    from zhenxun.services.ai.run.models import StreamedRunResult
+    from .agent.models import Persona
 
 from zhenxun.services.ai.core.messages import PromptInput
 
@@ -92,7 +96,7 @@ class BaseRunnable(ABC, Generic[T_RunResult]):
         """DI 注入语法糖：返回 Depends，自动绑定当前上下文"""
         from nonebot.params import Depends
 
-        from zhenxun.services.ai.flow.agent.bridge import AgentRunner
+        from .agent.bridge import AgentRunner
 
         async def _dependency() -> AgentRunner[Any]:
             return AgentRunner[Any](self, **kwargs)
@@ -108,7 +112,7 @@ class BaseRunnable(ABC, Generic[T_RunResult]):
         **kwargs: Any,
     ) -> T_RunResult:
         """交互执行语法糖，自动渲染流式进度并最终将结果回复给终端用户"""
-        from zhenxun.services.ai.flow.agent.bridge import AgentRunner
+        from .agent.bridge import AgentRunner
 
         runner = AgentRunner(self, context=context, **kwargs)
         return cast(T_RunResult, await runner.reply(prompt=prompt, reply_to=reply_to))
@@ -121,8 +125,6 @@ class BaseRunnable(ABC, Generic[T_RunResult]):
         **kwargs: Any,
     ) -> T_RunResult:
         """阻塞式核心运行入口，安全捕获内部抛出的静默退出信号"""
-        from zhenxun.services.ai.core.exceptions import ControlFlowExit
-        from zhenxun.services.log import logger
 
         try:
             async with self.run_stream(
@@ -144,6 +146,6 @@ class BaseRunnable(ABC, Generic[T_RunResult]):
         *,
         context: RunContext | None = None,
         **kwargs: Any,
-    ) -> "AsyncIterator[StreamedRunResult[Any]]":
+    ) -> AsyncIterator[StreamedRunResult[Any]]:
         """流式运行入口，返回上下文管理器，用于消费底层执行流事件 (StreamedRunResult)"""
         yield cast(Any, None)