♻️ 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/scheduler/lifecycle.py

@@ -10,8 +10,9 @@ from zhenxun.utils.pydantic_compat import model_dump
 
 from .engine import APSchedulerAdapter
 from .manager import scheduler_manager
+from .registry import scheduler_registry
 from .repository import ScheduleRepository
-from .types import ScheduleContext
+from .types import JobConfig, ScheduleContext
 
 
 @PriorityLifecycle.on_startup(priority=90)
@@ -21,7 +22,7 @@ async def _load_schedules_from_db():
     schedules = await ScheduleRepository.get_all_enabled()
     count = 0
     for schedule in schedules:
-        if schedule.plugin_name in scheduler_manager._registered_tasks:
+        if schedule.plugin_name in scheduler_registry.tasks:
             APSchedulerAdapter.add_or_reschedule_job(schedule)
             count += 1
         else:
@@ -30,7 +31,7 @@ async def _load_schedules_from_db():
 
     logger.info("正在检查并注册声明式默认任务...")
     declared_count = 0
-    for task_info in scheduler_manager._declared_tasks:
+    for task_info in scheduler_registry.persistent_declarations:
         plugin_name = task_info.plugin_name
         group_id = task_info.group_id
         bot_id = task_info.bot_id
@@ -45,21 +46,21 @@ async def _load_schedules_from_db():
         if not exists:
             logger.info(f"为插件 '{plugin_name}' 注册新的默认定时任务...")
 
-            trigger_config_dict = model_dump(
-                task_info.trigger, exclude={"trigger_type"}
-            )
-
             target_type = "GROUP" if group_id else "GLOBAL"
             target_identifier = group_id or ""
 
+            config = JobConfig(
+                trigger=task_info.trigger,
+                job_kwargs=task_info.job_kwargs,
+                bot_id=bot_id,
+                source="PLUGIN_DEFAULT",
+            )
+
             schedule = await scheduler_manager.add_schedule(
                 plugin_name=plugin_name,
                 target_type=target_type,
                 target_identifier=target_identifier,
-                trigger_type=task_info.trigger.trigger_type,
-                trigger_config=trigger_config_dict,
-                job_kwargs=task_info.job_kwargs,
-                bot_id=bot_id,
+                config=config,
             )
             if schedule:
                 declared_count += 1
@@ -74,7 +75,7 @@ async def _load_schedules_from_db():
 
     logger.info("正在调度声明式临时任务...")
     ephemeral_count = 0
-    for declaration in scheduler_manager._ephemeral_declared_tasks:
+    for declaration in scheduler_registry.ephemeral_declarations:
         try:
             job_id = f"runtime::{declaration.plugin_name}::{declaration.func.__name__}"