重构：清理废弃代码 + 优化 Agent 架构

主要变更：
- 删除 deprecated 文件夹（intent/hybrid_router/rag_nodes 等）
- 删除 intent_classifier.py（未使用）
- 删除 subgraph_wrapper.py（死代码）
- 重构 agent.py：简化工厂函数，支持动态模型切换
- 重构 prompts.py：添加信息获取优先级、思维链要求、工具调用约束
- 优化 tools：统一位置，rag_search 返回置信度评估
- 新增 RAG 置信度评估：embedding(25%) + rerank(25%) + LLM(50%)
- 添加循环检测：防止工具无限重复调用

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

backend/app/tools/__init__.py

@@ -1,18 +1,16 @@
 """
-Agent Tools - 封装所有功能为 @tool 函数
+Agent Tools - 所有工具统一定义
 """
 
 from langchain_core.tools import tool
-from typing import Optional
 from backend.app.logger import info
 
+# ========== RAG ==========
 
-# ========== RAG Pipeline（复用现有）
 _rag_pipeline = None
 
 
 def _get_rag_pipeline():
-    """获取 RAG Pipeline 实例（复用 rag_nodes.py 的逻辑）"""
     global _rag_pipeline
     if _rag_pipeline is None:
         from backend.app.rag.pipeline import RAGPipeline
@@ -28,161 +26,100 @@ def _get_rag_pipeline():
 @tool
 async def rag_search(query: str) -> str:
     """
-    检索知识库获取相关信息。
-    
-    当用户询问关于系统、业务、文档相关的问题时使用此工具。
-    
-    Args:
-        query: 用户的问题或搜索关键词
-    
+    检索知识库获取相关信息
+
     Returns:
-        检索到的相关文档内容
+        包含检索结果和置信度的结构化回复，格式：
+        - 内容：检索到的相关信息
+        - 置信度评估：基于向量相似度、重排分数、LLM判断的综合评分
     """
-    info(f"[RAG Tool] 开始检索: {query[:50]}...")
-    
+    info(f"[Tool] rag_search: {query[:30]}...")
     try:
         pipeline = _get_rag_pipeline()
-        documents = await pipeline.aretrieve(query)
-        rag_context = pipeline.format_context(documents)
-        
-        info(f"[RAG Tool] 检索完成，得到 {len(documents)} 个文档")
-        
-        if rag_context:
-            return rag_context
-        else:
-            return "知识库中没有找到相关内容。"
-            
-    except Exception as e:
-        info(f"[RAG Tool] 检索失败: {e}")
-        return f"知识库检索失败: {str(e)}"
+        # 使用带置信度的检索
+        result = await pipeline.aretrieve_with_confidence(query, original_query=query)
 
+        if not result.content:
+            return "【RAG检索结果】\n未在知识库中找到相关内容。\n置信度：0.0\n建议：可尝试联网搜索获取信息。"
+
+        # 构建包含置信度的回复
+        confidence_desc = "高"
+        if result.confidence < 0.4:
+            confidence_desc = "低"
+        elif result.confidence < 0.6:
+            confidence_desc = "中"
+
+        response = f"""【RAG检索结果】
+{result.content}
+
+【置信度评估】
+- 综合置信度：{result.confidence:.2f}（{confidence_desc}）
+- 向量相似度：{result.scores['embedding']:.2f}
+- 重排分数：{result.scores['rerank']:.2f}
+- LLM评估：{result.scores['llm']:.2f}
+
+{'✅ 检索结果可信，可直接使用' if result.is_useful else '⚠️ 检索结果置信度较低，可能需要联网搜索补充'}"""
+
+        info(f"[Tool] rag_search 完成: confidence={result.confidence:.3f}, is_useful={result.is_useful}")
+        return response
+
+    except Exception as e:
+        info(f"[Tool] rag_search 失败: {e}")
+        return f"【RAG检索失败】\n错误：{str(e)}\n建议：请稍后重试或使用联网搜索"
+
+
+# ========== 联网搜索 ==========
 
 @tool
 def web_search(query: str) -> str:
-    """
-    联网搜索获取最新信息。
-    
-    当用户询问实时新闻、热点事件、最新资讯或知识库中没有的内容时使用此工具。
-    
-    Args:
-        query: 搜索关键词
-    
-    Returns:
-        搜索结果摘要
-    """
-    info(f"[WebSearch Tool] 开始搜索: {query[:50]}...")
-    
+    """联网搜索获取最新信息"""
+    info(f"[Tool] web_search: {query[:30]}...")
     try:
-        from backend.app.core import web_search as core_web_search
-        search_result = core_web_search(query, max_results=5)
-        
-        info(f"[WebSearch Tool] 搜索完成")
-        return search_result
-        
+        from backend.app.core.web_search import web_search as search_fn
+        return search_fn(query, max_results=5)
     except Exception as e:
-        info(f"[WebSearch Tool] 搜索失败: {e}")
+        info(f"[Tool] web_search 失败: {e}")
         return f"联网搜索失败: {str(e)}"
 
 
-# ====== 子图工具封装器
-async def _invoke_subgraph(subgraph_builder, query: str, state_class) -> str:
-    """
-    通用子图调用函数
-    
-    Args:
-        subgraph_builder: 子图构建函数
-        query: 用户查询
-        state_class: 子图状态类
-    
-    Returns:
-        子图执行结果
-    """
+# ========== 子图工具 ==========
+
+async def _call_subgraph(builder_fn, state_cls, query: str) -> str:
+    """通用子图调用"""
     try:
-        graph = subgraph_builder()
-        compiled_graph = graph.compile()
-        
-        # 构造初始状态
-        initial_state = state_class(user_query=query)
-        
-        # 调用子图
-        result = await compiled_graph.ainvoke(initial_state)
-        
-        # 返回结果
-        return result.get("final_result", "子图执行完成")
-        
+        graph = builder_fn().compile()
+        state = state_cls(user_query=query)
+        result = await graph.ainvoke(state)
+        return result.get("final_result", "执行完成")
     except Exception as e:
-        info(f"[Subgraph Tool] 执行失败: {e}")
+        info(f"[Tool] 子图调用失败: {e}")
         return f"执行失败: {str(e)}"
 
 
 @tool
 async def contact_lookup(query: str) -> str:
-    """
-    查询通讯录信息。
-    
-    当用户询问联系人、邮箱、联系方式、发送邮件时使用此工具。
-    
-    Args:
-        query: 用户查询，描述需要的操作
-    
-    Returns:
-        联系人信息或操作结果
-    """
-    info(f"[Contact Tool] 查询: {query[:50]}...")
-    
+    """查询通讯录"""
     from backend.app.subgraphs.contact.graph import build_contact_subgraph
     from backend.app.subgraphs.contact.state import ContactState
-    
-    return await _invoke_subgraph(build_contact_subgraph, query, ContactState)
+    return await _call_subgraph(build_contact_subgraph, ContactState, query)
 
 
 @tool
 async def dictionary_lookup(word: str) -> str:
-    """
-    查询词典，获取单词释义、翻译等。
-    
-    当用户询问单词、翻译、生词时使用此工具。
-    
-    Args:
-        word: 需要查询的单词或短语
-    
-    Returns:
-        单词释义和翻译
-    """
-    info(f"[Dictionary Tool] 查询: {word}")
-    
+    """查询词典/翻译"""
     from backend.app.subgraphs.dictionary.graph import build_dictionary_subgraph
     from backend.app.subgraphs.dictionary.state import DictionaryState
-    
-    return await _invoke_subgraph(build_dictionary_subgraph, word, DictionaryState)
+    return await _call_subgraph(build_dictionary_subgraph, DictionaryState, word)
 
 
 @tool
 async def news_analysis(topic: str) -> str:
-    """
-    分析热点新闻和资讯。
-    
-    当用户询问新闻分析、热点解读时使用此工具。
-    
-    Args:
-        topic: 新闻主题或关键词
-    
-    Returns:
-        新闻分析结果
-    """
-    info(f"[NewsAnalysis Tool] 分析: {topic}")
-    
+    """分析新闻热点"""
     from backend.app.subgraphs.news_analysis.graph import build_news_analysis_subgraph
     from backend.app.subgraphs.news_analysis.state import NewsAnalysisState
-    
-    return await _invoke_subgraph(build_news_analysis_subgraph, topic, NewsAnalysisState)
+    return await _call_subgraph(build_news_analysis_subgraph, NewsAnalysisState, topic)
 
 
-# ====== 导出所有工具
-ALL_TOOLS = [
-    rag_search,
-    web_search,
-    contact_lookup,
-    dictionary_lookup,
-    news_analysis,
-]
+# ========== 导出 ==========
+
+ALL_TOOLS = [rag_search, web_search, contact_lookup, dictionary_lookup, news_analysis]