♻️ 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/manager.py

@@ -13,12 +13,13 @@ from zhenxun.services.ai.config import (
 from zhenxun.services.ai.core.exceptions import ConfigurationException
 from zhenxun.services.ai.core.models import ModelDetail
 from zhenxun.services.ai.core.options import GenerationConfig
-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
 from zhenxun.utils.manager.priority_manager import PriorityLifecycle
 from zhenxun.utils.pydantic_compat import model_dump
 
+from .system.capabilities import get_model_capabilities
+from .system.network import health_manager
+
 _RESOLVED_GROUP_CACHE: dict[str, list[str]] = {}
 """路由组解析缓存，避免每次调用重复打印剔除警告并提升性能"""
 
@@ -276,7 +277,7 @@ async def get_model_instance(
 
     provider_config_found, model_detail_found = config_tuple_found
 
-    from zhenxun.services.ai.llm.system.cache import get_or_create_model
+    from .system.cache import get_or_create_model
 
     return await get_or_create_model(
         provider_config_found, model_detail_found, override_config
@@ -287,7 +288,7 @@ def clear_all_cache() -> None:
     """
     清空模型实例缓存与路由组解析缓存。
     """
-    from zhenxun.services.ai.llm.system.cache import clear_model_cache
+    from .system.cache import clear_model_cache
 
     clear_model_cache()
     clear_resolved_group_cache()
@@ -300,9 +301,10 @@ async def _init_llm_config_on_startup():
     logger.info("正在初始化 LLM 配置并加载遥测状态...")
     try:
         from zhenxun.services.ai.config import get_llm_config
-        from zhenxun.services.ai.llm.system.network import health_manager
         from zhenxun.services.ai.tools.engine.registry import tool_provider_manager
 
+        from .system.network import health_manager
+
         get_llm_config()
         await health_manager.initialize()
         await tool_provider_manager.initialize()