feat: 完成极简 LangGraph 架构迁移，添加 Baosi API 支持

主要变更：
- 迁移到极简 LangGraph 标准架构（START → init_state → 记忆 → Agent ⇄ Tools → finalize → END）
- 添加 Baosi API 支持，配置 ops4.7 模型
- 保留本地模型作为默认首选，Baosi 作为备选
- 新架构使用 LangGraph 原生 ToolNode 和 bind_tools
- 移除旧的混合路由、JSON 解析等复杂逻辑
- 把旧代码移到 deprecated/ 目录
- 添加新的 Agent 节点和 Tools 模块
- 添加测试脚本验证新架构
- 所有测试通过 ✓

backend/app/model_services/chat_services.py

@@ -5,11 +5,13 @@
 1. Local VLLM 服务：本地 gemma-4-E4B-it 模型
 2. Zhipu AI：智谱 glm-5.1 模型
 3. DeepSeek：deepseek-v4-pro 模型
+4. Baosi API：ops4.7 模型
 
 主要功能：
 - LocalVLLMChatProvider：本地 VLLM 服务提供者
 - ZhipuChatProvider：智谱 API 服务提供者
 - DeepSeekChatProvider：DeepSeek API 服务提供者
+- BaosiChatProvider：Baosi API 服务提供者
 - get_chat_service()：获取默认服务（带自动降级）
 - get_all_chat_services()：获取所有可用模型服务（用于多模型切换）
 """
@@ -28,6 +30,9 @@ from backend.app.config import (
     LLM_API_KEY,
     ZHIPUAI_API_KEY,
     DEEPSEEK_API_KEY,
+    BAOSI_API_KEY,
+    BAOSI_API_BASE,
+    BAOSI_MODEL,
     LOCAL_MODEL_NAME
 )
 
@@ -194,6 +199,59 @@ class DeepSeekChatProvider(BaseServiceProvider[BaseChatModel]):
         return self._service_instance
 
 
+class BaosiChatProvider(BaseServiceProvider[BaseChatModel]):
+    """
+    Baosi API 生成式大模型服务提供者
+    """
+    
+    def __init__(self, model: str = None):
+        super().__init__("baosi_chat")
+        self._model = model or BAOSI_MODEL
+        self._base_url = BAOSI_API_BASE
+        self._api_key = BAOSI_API_KEY
+    
+    def is_available(self) -> bool:
+        """
+        检查 Baosi API 服务是否可用
+        
+        Returns:
+            bool: 服务是否可用
+        """
+        if not self._api_key:
+            logger.warning("BAOSI_API_KEY 未配置")
+            return False
+        
+        try:
+            logger.info(f"Baosi API 服务配置正确，准备使用: {self._model}")
+            return True
+        except Exception as e:
+            logger.warning(f"Baosi API 服务不可用: {e}")
+            return False
+    
+    def get_service(self) -> BaseChatModel:
+        """
+        获取 Baosi API 服务
+        
+        Returns:
+            BaseChatModel: LangChain 兼容的 ChatModel 实例
+        """
+        if self._service_instance is None:
+            from langchain_openai import ChatOpenAI
+            from pydantic import SecretStr
+            
+            self._service_instance = ChatOpenAI(
+                base_url=self._base_url,
+                api_key=SecretStr(self._api_key) if self._api_key else SecretStr(""),
+                model=self._model,
+                temperature=0.1,
+                max_tokens=4096,
+                timeout=120.0,
+                max_retries=2,
+                streaming=False,  # Baosi API 可能不兼容 streaming，设置为 False
+            )
+        return self._service_instance
+
+
 # ========== 轻量级模型 Provider ==========
 
 class LocalSmallModelProvider(BaseServiceProvider[BaseChatModel]):
@@ -276,6 +334,7 @@ class DeepSeekSmallModelProvider(BaseServiceProvider[BaseChatModel]):
 # 全局服务映射表 - 名称 -> Provider
 CHAT_PROVIDERS: Dict[str, Callable[[], BaseServiceProvider[BaseChatModel]]] = {
     "local": lambda: LocalVLLMChatProvider(),
+    "baosi": lambda: BaosiChatProvider(),
     "zhipu": lambda: ZhipuChatProvider(),
     "deepseek": lambda: DeepSeekChatProvider(),
 }
@@ -284,14 +343,14 @@ CHAT_PROVIDERS: Dict[str, Callable[[], BaseServiceProvider[BaseChatModel]]] = {
 def get_chat_service() -> BaseChatModel:
     """
     获取默认的生成式大模型服务（带自动降级）
-    优先顺序: local -> zhipu -> deepseek
+    优先顺序: local → baosi → zhipu → deepseek
     
     Returns:
         BaseChatModel: LangChain 兼容的 ChatModel 实例
     """
     def _create_chain():
         primary = LocalVLLMChatProvider()
-        fallbacks = [ZhipuChatProvider(), DeepSeekChatProvider()]
+        fallbacks = [BaosiChatProvider(), ZhipuChatProvider(), DeepSeekChatProvider()]
         return FallbackServiceChain(primary, fallbacks)
     
     chain = SingletonServiceManager.get_or_create("chat_service_chain", _create_chain)