AI控制面生产化改造：LLM意图路由与ReAct执行边界

这次改造把 ats_iot_ai 的 Orchestrator 从 MVP 规则路由，切到生产模式的 LLM 驱动编排。

背景

线上痛点很明确：process_input 里 IntentRouter.route(query) 主要依赖模式匹配，无法稳定处理语义歧义、槽位缺失和复杂意图。与此同时，React 执行层存在 query 二次解析，执行边界不够清晰。

目标是把链路拉直为：

Understand -> Decide -> Act -> Verify -> Respond

本次核心变更

1. IntentRouter 升级为 LLM-based 主路径。

• 保留 deterministic fast path：tool:<name> {json}。
• 其他请求走 Qwen 结构化解析（intent/confidence/slots/missing_slots/tool_plan）。

2. 新增 QwenIntentParser。

• 强约束 JSON 输出。
• 解析失败自动回退到安全 chat 路由，避免阻塞主流程。

3. PolicyEngine 从静态 strategy map 升级为决策闸门。

• 新增 action：execute/clarify/fallback/deny。
• 引入 confidence 阈值与 missing_slots 规则。

4. ReactStrategy 去掉 query 二次解析。

• 仅消费结构化 tool_call，执行输入边界可控。

5. 引入 Verify 最小硬规则。

• 先落三条：schema、权限上下文、空结果。
• 校验失败写出 verification_failed 事件并终止错误收敛。

6. SSE 事件链路增强。

• intent_determined 增加 confidence/candidates/slots/missingSlots/toolPlan。
• policy_decision 增加 action。
• 新增 clarification_needed、verification_failed。

代码落点

• app/orchestration/intent_router.py
• app/orchestration/intent_llm_parser.py
• app/orchestration/policy_engine.py
• app/orchestration/strategies.py
• app/orchestration/verify.py
• app/orchestrator.py
• tests/orchestrator/*

文档同步

• README.md 切到 Production Mode 描述。
• docs/REACT_ORCHESTRATOR_INTENT_UPGRADE_SPEC.md 升级为生产基线（LLM 主路径、Policy 闸门、Verify 必经）。
• 对应 skill 文档也从 MVP 调整为 production 导向。

测试结果

• Orchestrator 核心回归通过。
• 全量测试通过（本次改造后运行结果：49 passed）。

结论

这次改造的关键不是“把 ReAct 做复杂”，而是先把生产边界做正确：

• 语义理解交给 LLM（结构化输出）
• 执行决策交给 Policy（代码闸门）
• 执行结果交给 Verify（质量防线）

下一步会继续做 LLM parser 的生产强化：schema 校验加强、重试与降级策略、prompt/version 管理和可观测性细化。