♻️ refactor(agent): 重构 Agent 状态管理与执行器流程，优化 Token 预估与自愈反思机制 (#2150)

- 统一使用 `run_context.run.messages` 作为消息历史的单一数据源，清理 `AgentState` 冗余字段
- 将工具消息装配逻辑 `assemble_tool_message` 提取并重构至 `ToolExecutor`
- 引入 `token_drift` 动态校准偏移量，并精确计算工具与系统提示词的 Token 开销
- 重构 `ReflexionCapability` 自愈反思引擎，基于异常多态与模板字典动态生成反馈提示词
- 支持通过 `resolve_model_capabilities` 解析并合并用户自定义的模型能力覆盖
- 在执行器循环中支持 `should_reset_cycle`，以优雅处理外部干预（如用户追加指示）
- 扩展 `capabilities` 中对 `gpt-[5-9]*` 等新型号模型的能力定义与上下文限制

Co-authored-by: webjoin111 <455457521@qq.com>

zhenxun/services/ai/llm/manager.py

@@ -11,11 +11,11 @@ from zhenxun.services.ai.config import (
     get_llm_config,
 )
 from zhenxun.services.ai.core.exceptions import ConfigurationException
-from zhenxun.services.ai.core.models import ModelDetail
+from zhenxun.services.ai.core.models import ModelCapabilities, ModelDetail
 from zhenxun.services.ai.core.options import GenerationConfig
 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 zhenxun.utils.pydantic_compat import model_copy, model_dump
 
 from .system.cache import clear_model_cache, get_or_create_model
 from .system.capabilities import get_model_capabilities
@@ -191,6 +191,40 @@ def get_default_model(task: str = "chat") -> str | None:
     return getattr(config.default_models, task, None)
 
 
+async def resolve_model_capabilities(
+    provider_model_name: str | None = None, task: str = "chat"
+) -> ModelCapabilities:
+    """解析并合并带有用户自定义覆盖(如 max_input_tokens) 的模型能力。"""
+    resolved_name = provider_model_name
+    if resolved_name is None:
+        resolved_name = get_default_model(task)
+        if resolved_name is None:
+            avail = list_available_models()
+            if not avail:
+                return get_model_capabilities("unknown")
+            resolved_name = avail[0]["full_name"]
+
+    group_name = _get_group_name(resolved_name)
+    if group_name is not None:
+        model_names = _resolve_model_group(group_name)
+        if model_names:
+            resolved_name = model_names[0]
+
+    prov_name, mod_name = parse_provider_model_string(resolved_name)
+    caps = get_model_capabilities(mod_name or resolved_name)
+
+    if prov_name and mod_name:
+        config_tuple = find_model_config(prov_name, mod_name)
+        if config_tuple:
+            _, model_detail = config_tuple
+            if model_detail.max_input_tokens is not None:
+                caps = model_copy(
+                    caps, update={"max_input_tokens": model_detail.max_input_tokens}
+                )
+
+    return caps
+
+
 async def get_key_usage_stats() -> dict[str, Any]:
     """获取所有 Provider 的 Key 使用统计。"""
     providers = get_configured_providers()