feat: 清理 control_node + 引入 task 一等公民

- control_node 标注 DEPRECATED：保留目录壳子供未来远程探针节点复用，删除调用路径与相关测试
- 新增 task 表：极简元数据持久化 regulatory_node 完成的短任务（出报告/写文件/查询整理）
- regulatory_node 自标注：MessageResponse 扩展 task_action/title/summary，_run 末尾非阻塞落库
- query_task_list 改查 task 表，符合用户对"任务列表"的直觉，与 workflow 体系解耦
- 新增 /api/v1/task/list|/{id} 只读 API（task 由 regulatory 内部触发，不开放对外创建）

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

data/toolset/base_toolset/manifest.json

@@ -55,7 +55,7 @@
       "name": "tavily_search",
       "file": "tavily_search.py",
       "is_system": false,
-      "action_scope": ["control_node", "consciousness_node", "regulatory_node"],
+      "action_scope": ["consciousness_node", "regulatory_node"],
       "config_args": {
         "api_key": "",
         "max_results": "5",

data/toolset/regulatory_toolset/query_task_list.py

@@ -1,7 +1,10 @@
-"""query_task_list：列出当前用户的所有工作流任务。
+"""query_task_list：列出当前用户的短任务记录。
 
-regulatory_node 用以回答"我有哪些任务/正在跑什么"。返回精简后的任务列表，
-不包含 graph state、context 等大字段。
+regulatory_node 用以回答"我之前那份报告呢""昨天那个查询结果是什么"。
+返回 task 表中的精简元数据列表（不含工作流的 graph state、context 等）。
+
+注：此处的 "task" 是 regulatory_node 完成的轻量短任务（出报告/写文件/查询整理等），
+与 workflow（多步骤复杂任务）是两套独立体系。如需查工作流进度，使用 query_workflow_status。
 """
 
 from typing import Any, Dict, List, Optional
@@ -14,41 +17,40 @@ async def query_task_list(
     status_filter: Optional[str] = None,
     limit: int = 20,
 ) -> Dict[str, Any]:
-    """列出当前用户的工作流任务。
+    """列出当前用户的短任务记录，按时间倒序。
 
     Args:
         user_id: 用户 ID（通常由调用方从对话上下文中带入）
-        status_filter: 可选，按状态过滤（pending/running/completed/failed）
+        status_filter: 可选，按状态过滤（running/completed/failed）
         limit: 最多返回条数，默认 20
 
     Returns:
         {
             "user_id": str,
             "tasks": [
-                {"trace_id": ..., "title": ..., "status": ..., "command": ..., "created_at": ...}
+                {"task_id": ..., "title": ..., "status": ...,
+                 "result_summary": ..., "created_at": ...}
             ],
             "total": int
         }
     """
     pg = ray_actor_hook("postgres_database").postgres_database
-    workflows = await pg.list_workflows.remote(user_id) or []
+    rows: List[Dict[str, Any]] = await pg.list_tasks_by_user.remote(
+        user_id=user_id,
+        status=status_filter,
+        limit=limit,
+    ) or []
 
-    tasks: List[Dict[str, Any]] = []
-    for wf in workflows:
-        status = getattr(wf, "status", None)
-        if status_filter and status != status_filter:
-            continue
-        tasks.append(
-            {
-                "trace_id": getattr(wf, "trace_id", None),
-                "title": getattr(wf, "title", None),
-                "status": status,
-                "command": getattr(wf, "command", None),
-                "created_at": str(getattr(wf, "created_at", "")),
-            }
-        )
-        if len(tasks) >= limit:
-            break
+    tasks = [
+        {
+            "task_id": r.get("task_id"),
+            "title": r.get("title"),
+            "status": r.get("status"),
+            "result_summary": r.get("result_summary"),
+            "created_at": r.get("created_at"),
+        }
+        for r in rows
+    ]
 
     return {
         "user_id": user_id,