♻️ 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/tools/bridges/delegate.py

@@ -1,19 +1,19 @@
+from __future__ import annotations
+
 import json
-from typing import TYPE_CHECKING, Any
+from typing import Any
 
 from pydantic import BaseModel, Field
 
-from zhenxun.services.ai.core.exceptions import ControlFlowExit
+from zhenxun.services.ai.core.exceptions import AbortException, ControlFlowExit
 from zhenxun.services.ai.core.stream_events import ToolStreamChunkEvent
+from zhenxun.services.ai.flow.base import BaseRunnable
 from zhenxun.services.ai.run import RunContext
 from zhenxun.services.ai.tools.core.tool import BaseTool
 from zhenxun.services.ai.tools.models import ToolResult
-from zhenxun.services.log import logger
+from zhenxun.services.ai.utils.logger import log_tool as logger
 from zhenxun.utils.pydantic_compat import model_dump
 
-if TYPE_CHECKING:
-    from zhenxun.services.ai.flow.base import BaseRunnable
-
 STRUCTURED_INPUT_PREAMBLE = (
     "\n\n### 🛠️ [嵌套调用前置语境]\n"
     "你现在正在作为一个『工具/子节点』被外部主智能体调用。\n"
@@ -30,24 +30,22 @@ class DelegateArgs(BaseModel):
 
 
 class DelegateTool(BaseTool):
-    """
-    将任意实现了 run() 方法的实体 (Agent/Team/Workflow 等) 包装为大模型可调用的工具。
-    (SubRoutine 委派模式)
-    """
+    """将可运行实体 (Agent/Team/Workflow) 包装为子例程委派工具。"""
 
     def __init__(
         self,
-        runnable: "BaseRunnable[Any]",
+        runnable: BaseRunnable[Any],
         name: str | None = None,
         description: str | None = None,
+        max_delegations: int = 3,
     ):
-        """
-        初始化委派工具，将可运行实体包装为子例程工具。
+        """初始化委派工具。
 
         参数:
-            runnable: 被包装的可运行实体，可以是 Agent、Team 或 Workflow 等。
-            name: 自定义工具名称，若为 None 则默认推导为 runnable 实体名。
-            description: 工具描述信息，用于指导大模型何时代用此工具。
+            runnable: 被包装的可运行实体。
+            name: 自定义工具名称。
+            description: 工具描述信息。
+            max_delegations: 允许向同一个实体连续委派且未获成功的最大次数限制。
         """
         resolved_name = name or getattr(runnable, "name", "SubRunnable")
         resolved_desc = description or getattr(
@@ -61,6 +59,7 @@ class DelegateTool(BaseTool):
         super().__init__(name=final_name, description=resolved_desc)
         self.runnable = runnable
         self.args_schema = DelegateArgs
+        self.max_delegations = max_delegations
 
     async def execute(
         self, context: RunContext | None = None, **kwargs: Any
@@ -70,12 +69,13 @@ class DelegateTool(BaseTool):
 
         counts = context.session.shared_state.setdefault("__delegate_counts__", {})
         counts[self.name] = counts.get(self.name, 0) + 1
-        if counts[self.name] > 3:
+        if counts[self.name] > self.max_delegations:
             return ToolResult(
                 output=(
-                    f"❌ 系统拦截：检测到无限委派死循环！\n"
+                    f"❌ 系统拦截：委派重试次数已达上限。\n"
                     f"你已经连续 {counts[self.name]} 次将子任务委派给下级实体 "
-                    f"{self.name} 且未获最终成功。\n"
+                    f"{self.name} 且未获最终成功"
+                    f"（超出最大允许次数 {self.max_delegations}）。\n"
                     "请立即停止委派，"
                     "改变你的思考方向或直接向用户汇报失败结论！"
                 )
@@ -86,8 +86,6 @@ class DelegateTool(BaseTool):
             logger.warning(
                 f"⚠️ [DelegateTool] 委派深度超限 ({depth})，强制阻断: {self.name}"
             )
-            from zhenxun.services.ai.core.exceptions import AbortException
-
             raise AbortException(
                 reason="嵌套层级过深，系统已强制拒绝执行委派",
                 display=f"⚠️ {self.name} 嵌套层级过深",
@@ -132,8 +130,6 @@ class DelegateTool(BaseTool):
                 "DepthLimitExceeded" in final_output or "嵌套层级过深" in final_output
             )
             if is_fatal:
-                from zhenxun.services.ai.core.exceptions import AbortException
-
                 raise AbortException(
                     reason="下级实体遇到深度限制异常",
                     display=f"⚠️ 实体 {self.name} 委派失败",
@@ -141,8 +137,8 @@ class DelegateTool(BaseTool):
 
             usage = getattr(response, "usage", None)
 
-            if context and context.run.event_bus:
-                await context.run.event_bus.emit(
+            if context:
+                await context.run.emit(
                     ToolStreamChunkEvent(
                         tool_name=self.name, content=f"🧠 实体 {self.name} 执行完毕"
                     )
@@ -156,8 +152,6 @@ class DelegateTool(BaseTool):
             raise e
         except Exception as e:
             logger.error(f"委派实体 {self.name} 执行失败: {e}", e=e)
-            from zhenxun.services.ai.core.exceptions import AbortException
-
             raise AbortException(
                 reason=f"Delegate Execution Error: {e}",
                 display=f"❌ 实体 {self.name} 执行异常",