♻️ refactor(llm): 重构 LLM 服务架构，引入中间件与组件化适配器 (#2073)

* ♻️ refactor(llm): 重构 LLM 服务架构，引入中间件与组件化适配器

- 【重构】LLM 服务核心架构：
    - 引入中间件管道，统一处理请求生命周期（重试、密钥选择、日志、网络请求）。
    - 适配器重构为组件化设计，分离配置映射、消息转换、响应解析和工具序列化逻辑。
    - 移除 `with_smart_retry` 装饰器，其功能由中间件接管。
    - 移除 `LLMToolExecutor`，工具执行逻辑集成到 `ToolInvoker`。
- 【功能】增强配置系统：
    - `LLMGenerationConfig` 采用组件化结构（Core, Reasoning, Visual, Output, Safety, ToolConfig）。
    - 新增 `GenConfigBuilder` 提供语义化配置构建方式。
    - 新增 `LLMEmbeddingConfig` 用于嵌入专用配置。
    - `CommonOverrides` 迁移并更新至新配置结构。
- 【功能】强化工具系统：
    - 引入 `ToolInvoker` 实现更灵活的工具执行，支持回调与结构化错误。
    - `function_tool` 装饰器支持动态 Pydantic 模型创建和依赖注入 (`ToolParam`, `RunContext`)。
    - 平台原生工具支持 (`GeminiCodeExecution`, `GeminiGoogleSearch`, `GeminiUrlContext`)。
- 【功能】高级生成与嵌入：
    - `generate_structured` 方法支持 In-Context Validation and Repair (IVR) 循环和 AutoCoT (思维链) 包装。
    - 新增 `embed_query` 和 `embed_documents` 便捷嵌入 API。
    - `OpenAIImageAdapter` 支持 OpenAI 兼容的图像生成。
    - `SmartAdapter` 实现模型名称智能路由。
- 【重构】消息与类型系统：
    - `LLMContentPart` 扩展支持更多模态和代码执行相关内容。
    - `LLMMessage` 和 `LLMResponse` 结构更新，支持 `content_parts` 和思维链签名。
    - 统一 `LLMErrorCode` 和用户友好错误消息，提供更详细的网络/代理错误提示。
    - `pyproject.toml` 移除 `bilireq`，新增 `json_repair`。
- 【优化】日志与调试：
    - 引入 `DebugLogOptions`，提供细粒度日志脱敏控制。
    - 增强日志净化器，处理更多敏感数据和长字符串。
- 【清理】删除废弃模块：
    - `zhenxun/services/llm/memory.py`
    - `zhenxun/services/llm/executor.py`
    - `zhenxun/services/llm/config/presets.py`
    - `zhenxun/services/llm/types/content.py`
    - `zhenxun/services/llm/types/enums.py`
    - `zhenxun/services/llm/tools/__init__.py`
    - `zhenxun/services/llm/tools/manager.py`

* 📦️ build(deps): 移除 bilireq 并添加 json_repair 依赖

* 🐛 (llm): 移除图片生成模型能力预检查

* ♻️ refactor(llm.session): 重构记忆系统以分离存储和策略

* 🐛 fix(reload_setting): 重载配置时清除LLM缓存

* ✨ feat(llm): 支持结构化生成函数接收 UniMessage

* ✨ feat(search): 为搜索功能默认启用 Gemini Google Search 工具

* 🚨 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/utils/pydantic_compat.py

@@ -10,8 +10,14 @@ from enum import Enum
 from pathlib import Path
 from typing import Any, TypeVar, get_args, get_origin
 
-from nonebot.compat import PYDANTIC_V2, model_dump
-from pydantic import VERSION, BaseModel
+from nonebot.compat import (
+    PYDANTIC_V2,
+    model_dump,
+    model_fields,
+    type_validate_json,
+    type_validate_python,
+)
+from pydantic import BaseModel
 import ujson as json
 
 T = TypeVar("T", bound=BaseModel)
@@ -27,9 +33,13 @@ __all__ = [
     "model_construct",
     "model_copy",
     "model_dump",
+    "model_dump_json",
+    "model_fields",
     "model_json_schema",
     "model_validate",
     "parse_as",
+    "type_validate_json",
+    "type_validate_python",
 ]
 
 
@@ -58,12 +68,18 @@ def model_construct(model_class: type[T], **kwargs: Any) -> T:
 
 def model_validate(model_class: type[T], obj: Any) -> T:
     """
-    Pydantic `model_validate` (v2) 与 `parse_obj` (v1) 的兼容函数。
+    Pydantic 模型验证兼容函数。
+    """
+    return type_validate_python(model_class, obj)
+
+
+def model_dump_json(model: BaseModel, **kwargs: Any) -> str:
+    """
+    Pydantic `model.json()` (v1) 和 `model.model_dump_json()` (v2) 的兼容函数。
     """
     if PYDANTIC_V2:
-        return model_class.model_validate(obj)
-    else:
-        return model_class.parse_obj(obj)
+        return model.model_dump_json(**kwargs)
+    return model.json(**kwargs)
 
 
 if PYDANTIC_V2:
@@ -78,8 +94,7 @@ def model_json_schema(model_class: type[BaseModel], **kwargs: Any) -> dict[str,
     """
     if PYDANTIC_V2:
         return model_class.model_json_schema(**kwargs)
-    else:
-        return model_class.schema(by_alias=kwargs.get("by_alias", True))
+    return model_class.schema(by_alias=kwargs.get("by_alias", True))
 
 
 def _is_pydantic_type(t: Any) -> bool:
@@ -108,18 +123,7 @@ def _dump_pydantic_obj(obj: Any) -> Any:
     return obj
 
 
-def parse_as(type_: type[V], obj: Any) -> V:
-    """
-    一个兼容 Pydantic V1 的 parse_obj_as 和V2的TypeAdapter.validate_python 的辅助函数。
-    """
-    if VERSION.startswith("1"):
-        from pydantic import parse_obj_as
-
-        return parse_obj_as(type_, obj)
-    else:
-        from pydantic import TypeAdapter  # type: ignore
-
-        return TypeAdapter(type_).validate_python(obj)
+parse_as = type_validate_python
 
 
 def dump_json_safely(obj: Any, **kwargs) -> str: