feat(knowledge): 支持文件导入沉淀知识，知识图谱可视化随主题切换

- 后端新增 /api/knowledge/ingest/file：上传 md/txt/pdf/word/ppt/excel，
  转 Markdown 后走 wiki-capture LLM 蒸馏为陈述式知识笔记，失败回退逐字草稿
- service.capture_file + 文档专用蒸馏提示词，按主题拆分 1~4 页
- 知识图谱导出 HTML 支持 ?theme=light|dark，布局稳定后冻结，
  按度数缩放节点，悬停/点击聚焦邻居
- 前端知识库页新增「导入文件」对话框与 ingestKnowledgeFile API
- 智能体问答页与简介侧边栏 UI 优化；批量人物蒸馏脚本提取正文逻辑修正

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

batch-distill/distill_people.py

@@ -44,7 +44,7 @@ except ImportError:
 # ════════════════════════════════════════════════════════════════════════
 #  只改这一行：你的线上服务地址（不带结尾斜杠）
 # ════════════════════════════════════════════════════════════════════════
-BASE_URL = "http://localhost:8001"
+BASE_URL = "http://47.94.209.59:2026/"
 # ════════════════════════════════════════════════════════════════════════
 
 
@@ -57,7 +57,7 @@ DEPTH = "full"                  # full 完整 / fast 精简
 
 HERE = Path(__file__).resolve().parent
 OUTPUT_DIR = HERE / "output"
-PEOPLE_FILE_DEFAULT = HERE / "people.xlsx"
+PEOPLE_FILE_DEFAULT = HERE / "people.example.csv"
 
 # 执行时间窗：23:00 ~ 次日 08:00（跨午夜）
 WIN_START = dtime(23, 0)
@@ -260,35 +260,63 @@ class DeerFlowClient:
         return "timeout"
 
     def fetch_result_text(self, thread_id: str, run_id: str) -> str | None:
-        """抓取该 run 的最终 AI 回复文本（由 py 保存为 md）。"""
+        """抓取该 thread 的最终 AI 回复文本（由 py 保存为 md）。
+
+        注意：本部署的 `/runs/{rid}/messages`、`/messages`、`/events` 端点都返回空
+        （事件库按登录用户过滤，后台 worker 写入时未带 user_id → 读不到）。
+        可靠来源是 LangGraph 检查点状态 `/api/threads/{tid}/state` → values.messages，
+        其中每条消息形如 {"type": "human"|"ai"|"tool", "content": <str | 内容块列表>, ...}。
+        取最后一条有正文的 ai 消息即可。
+        """
         try:
-            r = self.s.get(f"{self.base}/api/threads/{thread_id}/runs/{run_id}/messages",
-                           headers=self._headers(), params={"limit": 200}, timeout=HTTP_TIMEOUT)
-            if r.status_code == 200:
-                data = r.json().get("data", [])
-                for msg in reversed(data):
-                    if msg.get("event_type") == "ai_message" or msg.get("type") == "ai":
-                        txt = _extract_text(msg)
-                        if txt and txt.strip():
-                            return txt
+            r = self.s.get(f"{self.base}/api/threads/{thread_id}/state",
+                           headers=self._headers(), timeout=HTTP_TIMEOUT)
+            if r.status_code != 200:
+                print(f"    取回复返回 {r.status_code}：{r.text[:200]}")
+                return None
+            messages = (r.json().get("values") or {}).get("messages") or []
+            # 从后往前找最后一条「有正文」的 AI 回复（跳过只含工具调用的中间消息）
+            for msg in reversed(messages):
+                if not isinstance(msg, dict) or msg.get("type") != "ai":
+                    continue
+                txt = _extract_text(msg)
+                if txt and txt.strip():
+                    return txt
         except requests.RequestException as e:
             print(f"    取回复出错：{e}")
         return None
 
 
-def _extract_text(msg: dict) -> str:
-    c = msg.get("content") or msg.get("text") or ""
+def _extract_text(payload) -> str:
+    """从一条消息的 content 里提取纯文本。
+
+    payload 可能是：
+      - LangChain 消息的 model_dump 字典（正文在 payload["content"]）
+      - 直接的字符串
+      - 内容块列表（[{"type":"text","text":"..."}, ...]）
+    """
+    if payload is None:
+        return ""
+    # 若是整条消息的 model_dump，正文在其 content 字段
+    if isinstance(payload, dict):
+        c = payload.get("content", payload.get("text", ""))
+    else:
+        c = payload
     if isinstance(c, str):
         return c
     if isinstance(c, list):
         parts = []
         for b in c:
             if isinstance(b, dict):
-                parts.append(b.get("text") or b.get("content") or "")
-            else:
-                parts.append(str(b))
+                # 只取文本块，跳过 tool_use / thinking 等非文本块
+                if b.get("type") in (None, "text", "text_block"):
+                    parts.append(b.get("text") or b.get("content") or "")
+                elif b.get("text"):
+                    parts.append(b["text"])
+            elif isinstance(b, str):
+                parts.append(b)
         return "\n".join(p for p in parts if p)
-    return str(c)
+    return str(c) if c else ""
 
 
 def _clean_markdown(text: str) -> str: