♻️ 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/llm/engine/middlewares.py

@@ -51,7 +51,7 @@ from zhenxun.services.ai.llm.system.network import (
     HealthManager,
     LLMHttpClient,
 )
-from zhenxun.services.log import logger
+from zhenxun.services.ai.utils.logger import log_llm as logger
 from zhenxun.utils.http_utils import AsyncHttpx
 from zhenxun.utils.log_sanitizer import sanitize_for_logging
 from zhenxun.utils.pydantic_compat import (
@@ -136,7 +136,7 @@ class LLMCacheMiddleware:
 
         if cached_data is not None:
             logger.debug(
-                f"⚡ [LLMCache] 命中本地极速缓存 - "
+                f"命中本地极速缓存 - "
                 f"model: {self.model_name}, type: {type(context.request).__name__}"
             )
 

zhenxun/services/ai/llm/engine/router.py

@@ -16,7 +16,7 @@ from zhenxun.services.ai.llm.manager import (
 )
 from zhenxun.services.ai.llm.system.capabilities import get_model_capabilities
 from zhenxun.services.ai.llm.system.network import health_manager
-from zhenxun.services.log import logger
+from zhenxun.services.ai.utils.logger import log_llm as logger
 
 
 class BaseModelRouter(ABC):
@@ -57,7 +57,7 @@ class FallbackRouter(BaseModelRouter):
             m_name = model_names[idx]
 
             if not health_manager.is_route_healthy(m_name, strict_mode=is_routed_call):
-                logger.debug(f"👉 [Orchestrator] 节点 '{m_name}' 熔断中，已跳过")
+                logger.debug(f"👉 节点 '{m_name}' 熔断中，已跳过")
                 errors.append(f"{m_name}(熔断中)")
                 continue
 
@@ -70,7 +70,7 @@ class FallbackRouter(BaseModelRouter):
             try:
                 if len(model_names) > 1:
                     if idx != start_idx:
-                        logger.debug(f"🔄 [Orchestrator] 切换至备用节点: '{m_name}'...")
+                        logger.debug(f"🔄 切换至备用节点: '{m_name}'...")
 
                 async with await get_model_instance(
                     m_name, override_config, task=task
@@ -83,26 +83,23 @@ class FallbackRouter(BaseModelRouter):
             except LLMException as e:
                 if not e.should_failover:
                     logger.warning(
-                        f"🚫 [Orchestrator] 节点 '{m_name}' "
+                        f"🚫 节点 '{m_name}' "
                         f"返回不可恢复错误 ({e.__class__.__name__})，停止故障转移。"
                     )
                     raise e
                 logger.warning(
-                    f"⚠️ [Orchestrator] 节点 '{m_name}' "
+                    f"⚠️ 节点 '{m_name}' "
                     f"错误 ({e.__class__.__name__})，触发故障转移..."
                 )
                 errors.append(f"{m_name}({e.__class__.__name__})")
             except Exception as e:
-                logger.warning(
-                    f"⚠️ [Orchestrator] 节点 '{m_name}' 发生未知异常，触发故障转移: {e}"
-                )
+                logger.warning(f"⚠️ 节点 '{m_name}' 发生未知异常，触发故障转移: {e}")
                 errors.append(f"{m_name}(Error)")
 
         if all_nodes_bypassed and len(model_names) > 1:
             fallback_model = health_manager.get_best_fallback_route(model_names)
             logger.warning(
-                f"⚠️ [Orchestrator] 路由组所有节点均已宕机！"
-                f"强制放行 '{fallback_model}' 探活..."
+                f"⚠️ 路由组所有节点均已宕机！" f"强制放行 '{fallback_model}' 探活..."
             )
             try:
                 async with await get_model_instance(

zhenxun/services/ai/llm/engine/service.py

@@ -43,9 +43,22 @@ from zhenxun.services.ai.core.protocols.llm import (
     SupportsTextEmbedding,
 )
 from zhenxun.services.ai.core.protocols.middleware import LLMMiddleware
+from zhenxun.services.ai.llm.adapters.factory import get_adapter_for_api_type
 from zhenxun.services.ai.llm.system.models import RetryConfig
 from zhenxun.services.ai.llm.system.network import HealthManager, LLMHttpClient
-from zhenxun.services.log import logger
+from zhenxun.services.ai.utils.logger import log_llm as logger
+
+from .middlewares import (
+    ConfigMergeMiddleware,
+    FailoverAndRetryMiddleware,
+    HttpExecutionMiddleware,
+    LLMCacheMiddleware,
+    LoggingMiddleware,
+    MiddlewarePipeline,
+    ModalityFilterMiddleware,
+    OutputValidationMiddleware,
+    ResponseRescueMiddleware,
+)
 
 T = TypeVar("T", bound=BaseModel)
 
@@ -86,7 +99,7 @@ class LLMModel(
         )
         self.model_name = model_detail.model_name
         self.temperature = model_detail.temperature
-        self.generation_max_tokens = model_detail.generation_max_tokens
+        self.max_output_tokens = model_detail.max_output_tokens
 
         self._is_closed = False
         self._ref_count = 0
@@ -100,8 +113,6 @@ class LLMModel(
             generation_config=self._generation_config,
         )
 
-        from zhenxun.services.ai.llm.engine.middlewares import MiddlewarePipeline
-
         self.pipeline = MiddlewarePipeline()
         self._setup_default_pipeline()
 
@@ -110,17 +121,6 @@ class LLMModel(
         self.pipeline.add_middleware(middleware)
 
     def _setup_default_pipeline(self) -> None:
-        from zhenxun.services.ai.llm.adapters.factory import get_adapter_for_api_type
-        from zhenxun.services.ai.llm.engine.middlewares import (
-            ConfigMergeMiddleware,
-            FailoverAndRetryMiddleware,
-            LLMCacheMiddleware,
-            LoggingMiddleware,
-            ModalityFilterMiddleware,
-            OutputValidationMiddleware,
-            ResponseRescueMiddleware,
-        )
-
         client_settings = get_llm_config().client_settings
         retry_config = RetryConfig(
             max_retries=client_settings.max_retries,
@@ -216,10 +216,6 @@ class LLMModel(
             request=request,
             cancellation_token=cancellation_token,
         )
-
-        from zhenxun.services.ai.llm.adapters.factory import get_adapter_for_api_type
-        from zhenxun.services.ai.llm.engine.middlewares import HttpExecutionMiddleware
-
         adapter = get_adapter_for_api_type(self.api_type)
         execution_middleware = HttpExecutionMiddleware(
             http_client=self.http_client,