refactor(core): decouple actors and remove workflow templates (#67)

Removes the deprecated `workflow_template` concept entirely across both backend API routers, internal logic handling within the `supervisory_node` and `consciousness_node`, and front-end components. Enables `consciousness_node` to work autonomously.

Also refactors core package structure to enforce the "one python package, one Ray Actor" architectural rule. `GlobalWorkflowManager`, `WorkflowRunningEngine`, `PostgresDatabase`, and `WorkerCluster` have been moved to their own top-level decoupled package directories with properly exported `__init__.py` modules. Test suites have been relocated and import paths updated across the system.

Co-authored-by: google-labs-jules[bot] <161369871+google-labs-jules[bot]@users.noreply.github.com>
Co-authored-by: zhaoxi826 <198742034+zhaoxi826@users.noreply.github.com>

pretor/worker_individual/base_individual.py

@@ -20,23 +20,31 @@ from pretor.utils.agent_model import ResponseModel, InputModel, DepsModel
 from pretor.utils.ray_hook import ray_actor_hook
 
 from pretor.utils.logger import get_logger
-logger = get_logger('worker_individual')
+
+logger = get_logger("worker_individual")
+
 
 class WorkerIndividualResponse(ResponseModel):
     """WorkerIndividualResponse 核心组件类。
-    这是一个具体的 Worker 智能体实体类，代表着具备特定人设、领域技能或长文本处理能力的数字员工。它可以被控制器动态拉起，并在安全沙箱内执行复杂的工作流指令与多步骤推理任务。    """
+    这是一个具体的 Worker 智能体实体类，代表着具备特定人设、领域技能或长文本处理能力的数字员工。它可以被控制器动态拉起，并在安全沙箱内执行复杂的工作流指令与多步骤推理任务。"""
+
     output: str = Field(..., description="Worker执行任务的输出结果")
 
+
 class WorkerIndividualDeps(DepsModel):
     """WorkerIndividualDeps 核心组件类。
-    这是一个具体的 Worker 智能体实体类，代表着具备特定人设、领域技能或长文本处理能力的数字员工。它可以被控制器动态拉起，并在安全沙箱内执行复杂的工作流指令与多步骤推理任务。    """
+    这是一个具体的 Worker 智能体实体类，代表着具备特定人设、领域技能或长文本处理能力的数字员工。它可以被控制器动态拉起，并在安全沙箱内执行复杂的工作流指令与多步骤推理任务。"""
+
     task_event: dict
 
+
 class WorkerIndividualInput(InputModel):
     """WorkerIndividualInput 核心组件类。
-    这是一个具体的 Worker 智能体实体类，代表着具备特定人设、领域技能或长文本处理能力的数字员工。它可以被控制器动态拉起，并在安全沙箱内执行复杂的工作流指令与多步骤推理任务。    """
+    这是一个具体的 Worker 智能体实体类，代表着具备特定人设、领域技能或长文本处理能力的数字员工。它可以被控制器动态拉起，并在安全沙箱内执行复杂的工作流指令与多步骤推理任务。"""
+
     task_event: dict
 
+
 class BaseIndividual:
     """
     Worker Individual 的基类
@@ -51,14 +59,21 @@ class BaseIndividual:
         """完成  agent 模块的启动与依赖初始化。
         在系统引导或服务拉起阶段被调用，负责建立网络连接、分配基础内存资源及注册核心服务组件。
         Args:        agent_name (str): 赋予该实体的人类可读名称或标题字符串，主要用于前端 UI 展示、日志记录或模糊检索。        system_prompt (str): 控制逻辑流向的具体字符串参数，指定了期望的 system prompt 内容。
-        Returns:        : 经由当前业务模型加工处理后所输出的具体数据实例或领域模型对象。    """
+        Returns:        : 经由当前业务模型加工处理后所输出的具体数据实例或领域模型对象。"""
         from pretor.utils.get_tool import load_tools_from_list
-        global_state_machine = ray_actor_hook("global_state_machine").global_state_machine
-        provider_title = self.agent_config.get("provider_title", "openai")  # default fallback
+
+        global_state_machine = ray_actor_hook(
+            "global_state_machine"
+        ).global_state_machine
+        provider_title = self.agent_config.get(
+            "provider_title", "openai"
+        )  # default fallback
         model_id = self.agent_config.get("model_id", "gpt-4o")  # default fallback
         tools_list = self.agent_config.get("tools", None)
 
-        provider: Provider = await global_state_machine.get_provider.remote( provider_title)
+        provider: Provider = await global_state_machine.get_provider.remote(
+            provider_title
+        )
         agent_factory = AgentFactory()
 
         callables = load_tools_from_list(tools_list)
@@ -70,7 +85,7 @@ class BaseIndividual:
             system_prompt=system_prompt,
             deps_type=WorkerIndividualDeps,
             agent_name=agent_name,
-            tools=callables
+            tools=callables,
         )
 
         @self.agent.system_prompt
@@ -78,17 +93,14 @@ class BaseIndividual:
             """执行与 dynamic prompt 相关的核心业务流转操作。
             该方法封装了具体的算法策略或状态控制逻辑，确保操作能够在事务上下文中被原子且一致地执行。
             Args:        ctx (RunContext[WorkerIndividualDeps]): 参与 dynamic prompt 逻辑运算或数据构建的上下文依赖对象。
-            Returns:        : 经由当前业务模型加工处理后所输出的具体数据实例或领域模型对象。    """
+            Returns:        : 经由当前业务模型加工处理后所输出的具体数据实例或领域模型对象。"""
             prompt = system_prompt + "\n\n"
-            prompt += (
-                f"=== 当前任务上下文 ===\n"
-                f"{ctx.deps.task_event}\n"
-            )
+            prompt += f"=== 当前任务上下文 ===\n{ctx.deps.task_event}\n"
             return prompt
 
     async def run(self, task_event: dict) -> dict:
         """执行与 run 相关的核心业务流转操作。
         该方法封装了具体的算法策略或状态控制逻辑，确保操作能够在事务上下文中被原子且一致地执行。
         Args:        task_event (dict): 由事件总线或工作流引擎分发过来的事件载荷，封装了触发此次调用的上下文快照与任务目标指令。
-        Returns:         (dict): 高度聚合的字典结构数据，将多维度的属性特征或统计指标组合后一并返回。    """
+        Returns:         (dict): 高度聚合的字典结构数据，将多维度的属性特征或统计指标组合后一并返回。"""
         raise NotImplementedError("子类必须实现 run 方法")