feat(open-chat): 新增 /api/open/chat 开放问答接口

- 无需登录(/api/open/ 加入 auth 白名单 + CSRF 豁免),供外部系统直接调用本项目智能体做问答
- 可指定模型(model_name)与智能体(agent_name 中文名称,扫描 agents/*/config.yaml 解析为运行 id);GET /api/open/agents 列出可选名称
- 只返回最终结果(answer = 最后一段 markdown),不含中间过程/工具调用
- 可靠关闭思考:thinking_enabled=false 时下发 thinking_force_disabled,经 create_chat_model(force_disable_thinking=True) 强制注入 enable_thinking=false(及 GLM thinking.type=disabled),覆盖只声明 supports_thinking 的内网 vLLM/Qwen 模型(与生成标题关思考一致)
- 一次性问答设 is_scheduled_run 跳过自动起标题

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

test_open_chat_api.py

@@ -0,0 +1,72 @@
+# -*- coding: utf-8 -*-
+"""开放问答接口 /api/open/chat 测试脚本(Jupyter 版)。
+
+接口只返回「最终结果」:智能体把调研 / 工具调用全部跑完后,只把最后那段
+文本(markdown)放在 answer 字段里返回 —— 不含中间过程、工具调用、思考。
+
+用法:在 Jupyter 里把下面几段按顺序运行即可。
+  - 「配置」段:改成你要的模型 / 智能体 / 问题 / 是否思考
+  - 「调用」段:运行后 answer 变量就是最终 md 文本
+
+无第三方依赖(纯标准库 urllib)。
+"""
+
+import json
+import time
+import urllib.error
+import urllib.request
+
+# ====================== 配置(按需修改这里) ======================
+BASE_URL = "http://47.94.209.59:2026"   # 后端地址(走 nginx 用 :2026,Gateway 直连用 :8001)
+
+MESSAGE = "帮我调研一下 XXX,输出 markdown 报告。"   # 要问的问题
+MODEL_NAME = None                        # 模型名(config.yaml models[].name);None=默认模型
+AGENT_NAME = None                        # 智能体中文名称;None=默认 lead agent。不确定填啥就先跑下面的「列出智能体」
+THINKING_ENABLED = False                 # False=关闭思考(内网模型也会被强制关闭);True=开启
+TIMEOUT = 600                            # 请求超时(秒)
+# ===============================================================
+
+
+def open_chat(message, model_name=None, agent_name=None, thinking_enabled=False,
+              base_url=BASE_URL, timeout=TIMEOUT):
+    """调用 /api/open/chat,返回最终 md 文本(只要结果,不要过程)。"""
+    url = base_url.rstrip("/") + "/api/open/chat"
+    payload = {
+        "message": message,
+        "model_name": model_name,
+        "agent_name": agent_name,   # 按中文名称选智能体
+        "thinking_enabled": thinking_enabled,
+    }
+    data = json.dumps(payload, ensure_ascii=False).encode("utf-8")
+    req = urllib.request.Request(
+        url,
+        data=data,
+        headers={"Content-Type": "application/json; charset=utf-8"},
+        method="POST",
+    )
+    with urllib.request.urlopen(req, timeout=timeout) as resp:
+        result = json.loads(resp.read().decode("utf-8"))
+    return result["answer"]   # 只返回最终结果
+
+
+# ====================== (可选)列出可用智能体名称 ======================
+# 不知道 AGENT_NAME 填什么时,先跑这段看有哪些中文名:
+# import urllib.request, json
+# with urllib.request.urlopen(BASE_URL.rstrip("/") + "/api/open/agents", timeout=30) as r:
+#     for a in json.loads(r.read().decode("utf-8"))["agents"]:
+#         print(a["name"])
+
+# ====================== 调用 ======================
+_t0 = time.time()
+answer = open_chat(MESSAGE, MODEL_NAME, AGENT_NAME, THINKING_ENABLED)
+print(f"(耗时 {time.time() - _t0:.1f}s)\n")
+print(answer)        # answer 就是最终 markdown 文本
+
+
+# ====================== (可选)在 Jupyter 里渲染成 markdown ======================
+# from IPython.display import Markdown, display
+# display(Markdown(answer))
+
+# ====================== (可选)存成 .md 文件 ======================
+# with open("result.md", "w", encoding="utf-8") as f:
+#     f.write(answer)