feat: 添加一键启动脚本并更新项目配置

- 添加 start_all.sh 一键启动脚本，支持启动llama-server和FastAPI服务
- 修改启动脚本使用venv虚拟环境替代conda环境
- 更新README.md，添加一键启动脚本使用说明
- 更新py_tree_generator.py，添加final_prompt返回字段
- 禁用Qwen3模型的思考功能
- 添加RAG检索结果的终端打印
- 移除ROS2相关代码（ros2_client.py已删除）

backend_service/src/py_tree_generator.py

@@ -619,6 +619,8 @@ class PyTreeGenerator:
                 return None
             context_str = "\n\n".join(retrieved_docs)
             logging.info("--- 成功检索到上下文信息 ---")
+            # 打印检索到的上下文内容
+            logging.info(f"📚 检索到的上下文内容:\n{context_str}")
             return context_str
         except Exception as e:
             logging.error(f"从向量数据库检索时发生错误: {e}")
@@ -640,8 +642,11 @@ class PyTreeGenerator:
                     {"role": "user", "content": user_prompt}
                 ],
                 temperature=0.0,
-                response_format={"type": "json_object"},
-                max_tokens=self.classifier_max_tokens
+                response_format={"type": "json_object"},  # 强制JSON输出，禁用思考功能
+                max_tokens=self.classifier_max_tokens,
+                # 禁用 Qwen3 模型的思考功能（通过 extra_body 传递）
+                # 注意：如果 API 服务器不支持此参数，会忽略
+                extra_body={"chat_template_kwargs": {"enable_thinking": False}}
             )
             class_str = classifier_resp.choices[0].message.content
             class_obj = json.loads(class_str)
@@ -670,13 +675,19 @@ class PyTreeGenerator:
             final_user_prompt += augmentation
         else:
             logging.warning("未检索到上下文或检索失败，将使用原始用户提示词。")
+        
+        # 构建完整的 final_prompt（准确反映实际发送给大模型的内容结构）
+        # 注意：RAG检索结果被添加到 user prompt 中，而不是 system prompt
+        # System Prompt: use_prompt（不包含RAG结果）
+        # User Prompt: final_user_prompt（包含原始user_prompt + RAG检索结果）
+        final_prompt = f"=== System Prompt ===\n{use_prompt}\n\n=== User Prompt ===\n{final_user_prompt}"
         for attempt in range(3):
             logging.info(f"--- 第 {attempt + 1}/3 次尝试生成Pytree ---")
             try:
                 # 简单/复杂分流到不同模型与提示词
                 client = self.simple_llm_client if mode == "simple" else self.complex_llm_client
                 model_name = self.simple_model if mode == "simple" else self.complex_model
-                # 根据是否捕获推理链来决定是否强制JSON响应
+                # 始终强制JSON响应并禁用思考功能
                 response_kwargs = {
                     "model": model_name,
                     "messages": [
@@ -684,9 +695,11 @@ class PyTreeGenerator:
                         {"role": "user", "content": final_user_prompt}
                     ],
                     "temperature": 0.1 if mode == "complex" else 0.0,
+                    "response_format": {"type": "json_object"},  # 始终强制JSON输出，禁用思考功能
+                    # 禁用 Qwen3 模型的思考功能（通过 extra_body 传递）
+                    # 注意：如果 API 服务器不支持此参数，会忽略
+                    "extra_body": {"chat_template_kwargs": {"enable_thinking": False}}
                 }
-                if not self.enable_reasoning_capture:
-                    response_kwargs["response_format"] = {"type": "json_object"}
                 # 基于模式设定最大输出token数（直接在代码中配置）
                 response_kwargs["max_tokens"] = self.simple_max_tokens if mode == "simple" else self.complex_max_tokens
                 response = client.chat.completions.create(**response_kwargs)
@@ -803,6 +816,8 @@ class PyTreeGenerator:
                             logging.info("未在模型输出中发现 <think> 推理链片段。若需捕获，请设置 ENABLE_REASONING_CAPTURE=true 以放宽JSON强制格式。")
                     except Exception as e:
                         logging.warning(f"保存推理链Markdown失败: {e}")
+                    # 添加 final_prompt 到返回结果
+                    pytree_dict['final_prompt'] = final_prompt
                     return pytree_dict
 
                 # 复杂模式回退：若模型误返回简单结构，则自动包装为含安全监控的行为树
@@ -874,6 +889,8 @@ class PyTreeGenerator:
                             logging.info("未在模型输出中发现 <think> 推理链片段。若需捕获，请设置 ENABLE_REASONING_CAPTURE=true 以放宽JSON强制格式。")
                     except Exception as e:
                         logging.warning(f"保存推理链Markdown失败: {e}")
+                    # 添加 final_prompt 到返回结果
+                    pytree_dict['final_prompt'] = final_prompt
                     return pytree_dict
                 else:
                     # 打印未通过验证的Pytree以便排查