fix: 修复 RAG 无限循环问题和导入错误

主要修复：
1. 修复 RAG 推理无限循环问题（大小写不匹配 + 缺少已检索结果检查）
2. 修复 intent_classifier.py 的绝对导入错误
3. 删除旧的 start.sh 脚本，添加新的启动脚本
4. 优化路由逻辑和状态管理

backend/app/agent/agent_service.py

@@ -7,14 +7,14 @@ import json
 import asyncio
 
 # 本地模块
-from app.main_graph.utils.main_graph_builder import build_react_main_graph
-from app.main_graph.tools.graph_tools import AVAILABLE_TOOLS, TOOLS_BY_NAME
-from app.main_graph.config import set_stream_writer
+from ..main_graph.utils.main_graph_builder import build_react_main_graph
+from ..main_graph.tools.graph_tools import AVAILABLE_TOOLS, TOOLS_BY_NAME
+from ..main_graph.config import set_stream_writer
 from ..model_services.chat_services import get_all_chat_services, LocalVLLMChatProvider
-from app.main_graph.utils.rag_initializer import init_rag_tool
-from app.core.intent_classifier import get_intent_classifier
-from app.logger import info, warning, error
-from app.main_graph.state import MainGraphState, CurrentAction
+from ..main_graph.utils.rag_initializer import init_rag_tool
+from ..core.intent_classifier import get_intent_classifier
+from ..logger import info, warning, error
+from ..main_graph.state import MainGraphState, CurrentAction
 
 
 class AIAgentService:
@@ -32,7 +32,7 @@ class AIAgentService:
 
     async def initialize(self):
         # 0. 初始化 Mem0 客户端
-        from app.memory.mem0_client import Mem0Client
+        from ..memory.mem0_client import Mem0Client
         # 创建一个临时的 LLM 用于 Mem0（用第一个可用的）
         chat_services = get_all_chat_services()
         temp_llm = None
@@ -49,7 +49,7 @@ class AIAgentService:
             self.tools.append(rag_tool)
             self.tools_by_name[rag_tool.name] = rag_tool
             # 关键：设置全局 RAG 工具，供 rag_nodes.py 使用
-            from app.main_graph.nodes.rag_nodes import set_global_rag_tool
+            from ..main_graph.nodes.rag_nodes import set_global_rag_tool
             set_global_rag_tool(rag_tool)
 
         # 2. 构建各模型的 Graph（使用新版 React 模式）
@@ -86,7 +86,7 @@ class AIAgentService:
             "metadata": {"user_id": user_id}
         }
         # 新版状态输入：传入完整的 MainGraphState，关键是 user_query
-        from app.main_graph.state import MainGraphState, CurrentAction
+        from ..main_graph.state import MainGraphState, CurrentAction
         input_state = {
             "user_query": message,
             "messages": [{"role": "user", "content": message}],