refactor: 单图方案重构 + 动态模型选择 + chat_services优化

## 核心改动

### 1. 单图方案重构
- 删除了多图（self.graphs），改为单图（self.graph）
- 新增 MainGraphState.current_model 字段用于运行时注入模型
- llm_call 节点改为动态选择模型（create_dynamic_llm_call_node）

### 2. chat_services 优化
- 添加 _cached_services 缓存，避免重复初始化
- 新增 get_cached_chat_services() 函数，用于单图注入
- 新增 _check_http_service_available() 统一HTTP探测逻辑
- 减少重复代码，LocalVLLMChatProvider和LocalSmallModelProvider共用探测方法

### 3. AIAgentService 重构
- initialize() 只构建一次图，传入 chat_services 字典
- 新增 _resolve_model() 模型回退逻辑
- 新增 _build_invocation() 统一构建调用参数
- process_message() 和 process_message_stream() 改为注入 current_model
- 流式处理代码拆分，增加可读性

### 4. 新增和删除文件
- 新增：backend/app/main_graph/main_graph_builder.py（图构建）
- 新增：backend/app/main_graph/subgraph_wrapper.py（子图封装）
- 新增：tools/test/test_tavily_search.py（测试）
- 删除：backend/app/main_graph/graph.py（旧图）
- 删除：backend/app/main_graph/utils/main_graph_builder.py（旧构建器）
- 删除：backend/app/main_graph/utils/__init__.py

### 5. 其他更新
- README.md：新增模型服务使用情况详解章节
- backend/app/model_services/__init__.py：新增 get_cached_chat_services 导出

## 方案优势

- 内存优化：N张图 → 1张图
- 灵活性：运行时动态选择模型，支持同会话不同模型
- 性能：模型服务缓存，初始化仅一次
- 可维护性：减少重复代码，统一HTTP探测逻辑

tools/test/test_tavily_search.py

@@ -0,0 +1,149 @@
+#!/usr/bin/env python3
+"""测试 Tavily 搜索功能 - 直接调用 API"""
+import sys
+from pathlib import Path
+from dataclasses import dataclass
+from datetime import datetime
+from typing import List, Optional
+from dotenv import load_dotenv
+
+# 路径设置
+project_root = Path(__file__).resolve().parent.parent.parent
+sys.path.insert(0, str(project_root))
+load_dotenv(project_root / ".env")
+
+import os
+
+TAVILY_API_KEY = os.getenv("TAVILY_API_KEY")
+TAVILY_MAX_RESULTS = int(os.getenv("TAVILY_MAX_RESULTS") or "5")
+
+
+@dataclass
+class SearchResult:
+    """搜索结果数据类"""
+    title: str
+    url: str
+    snippet: str
+    source: str = "DuckDuckGo"
+    timestamp: datetime = None
+
+    def __post_init__(self):
+        if self.timestamp is None:
+            self.timestamp = datetime.now()
+
+
+def test_tavily_api_key():
+    """测试 API Key 配置"""
+    print("=" * 60)
+    print("测试 1: 检查 Tavily API Key")
+    print("=" * 60)
+
+    if TAVILY_API_KEY:
+        print(f"✓ TAVILY_API_KEY 已配置: {TAVILY_API_KEY[:15]}...")
+    else:
+        print("✗ TAVILY_API_KEY 未配置")
+    print()
+
+
+def test_tavily_search_direct():
+    """直接测试 Tavily API"""
+    print("=" * 60)
+    print("测试 2: 直接调用 Tavily API")
+    print("=" * 60)
+
+    if not TAVILY_API_KEY:
+        print("✗ 未配置 API Key，跳过测试")
+        return
+
+    from tavily import TavilyClient
+
+    client = TavilyClient(api_key=TAVILY_API_KEY)
+
+    test_queries = [
+        "Python 编程语言最新版本",
+        "LangGraph AI 框架",
+    ]
+
+    for query in test_queries:
+        print(f"\n搜索: {query}")
+        print("-" * 40)
+        try:
+            response = client.search(
+                query=query,
+                max_results=3,
+                include_answer=True,
+                include_raw_content=False
+            )
+
+            print(f"✓ 搜索成功")
+            print(f"  - 结果数量: {len(response.get('results', []))}")
+
+            # 打印结果
+            for i, item in enumerate(response.get("results", []), 1):
+                print(f"\n  [{i}] {item.get('title', '')}")
+                print(f"      URL: {item.get('url', '')}")
+                print(f"      摘要: {item.get('content', '')[:100]}...")
+
+            # 如果有 answer
+            if response.get("answer"):
+                print(f"\n  🤖 AI 摘要: {response['answer'][:200]}...")
+
+        except Exception as e:
+            print(f"✗ 搜索失败: {e}")
+    print()
+
+
+def test_web_search_integration():
+    """测试 web_search 模块集成"""
+    print("=" * 60)
+    print("测试 3: 测试 web_search 模块集成")
+    print("=" * 60)
+
+    # 直接导入 web_search 模块（避免循环依赖）
+    web_search_path = project_root / "backend" / "app" / "core" / "web_search.py"
+    if not web_search_path.exists():
+        print(f"✗ web_search.py 不存在于 {web_search_path}")
+        return
+
+    print(f"✓ 找到 web_search.py: {web_search_path}")
+
+    # 使用 exec 动态加载模块
+    import importlib.util
+    spec = importlib.util.spec_from_file_location("web_search_module", web_search_path)
+    web_search_module = importlib.util.module_from_spec(spec)
+
+    try:
+        spec.loader.exec_module(web_search_module)
+        print("✓ web_search 模块加载成功")
+    except Exception as e:
+        print(f"✗ 模块加载失败: {e}")
+        return
+
+    # 测试搜索
+    print("\n执行搜索测试:")
+    try:
+        result = web_search_module.web_search("今天天气怎么样", max_results=3)
+        print(f"✓ 搜索成功，返回 {len(result)} 字符")
+        print("-" * 40)
+        print(result[:800] + "..." if len(result) > 800 else result)
+    except Exception as e:
+        print(f"✗ 搜索失败: {e}")
+    print()
+
+
+def main():
+    print("\n" + "=" * 60)
+    print("🚀 Tavily 搜索功能测试")
+    print("=" * 60 + "\n")
+
+    test_tavily_api_key()
+    test_tavily_search_direct()
+    test_web_search_integration()
+
+    print("=" * 60)
+    print("✅ 测试完成")
+    print("=" * 60)
+
+
+if __name__ == "__main__":
+    main()