chore(release)： v0.1.1-alpha

##前端美化和bug修复
#### 💄 美化
- **前端美化**：对于整个前端效果进行了重新设计，现在的前端看起来会更立体。

#### 🐛 修复
- **前端演示**：修复了前端展示workflow列表的bug，但是workflow的具体条目显示由于序列化导致仍然有问题。 
- **密钥修复**：对于secret_key现在在使用默认情况时，会强制生成一个安全的密钥。

pretor/adapter/model_adapter/agent_factory.py

@@ -23,6 +23,8 @@ from pretor.utils.agent_model import ResponseModel, DepsModel
 from pretor.utils.error import ModelNotExistError
 
 class AgentFactory:
+    """AgentFactory 核心组件类。
+    这是一个领域数据模型或功能封装类，承载了 AgentFactory 相关的内聚属性定义与状态维护。它的存在隔离了局部的业务复杂性，并对外提供了类型安全的访问接口。    """
     def __init__(self):
         self._models_mapping = {"openai": (OpenAIChatModel, OpenAIProvider),
                                 "claude": (AnthropicModel, AnthropicProvider),

pretor/adapter/model_adapter/deepseek_reasoner.py

@@ -1,17 +1,36 @@
+#  Copyright 2026 zhaoxi826
+#
+#  Licensed under the Apache License, Version 2.0 (the "License");
+#  you may not use this file except in compliance with the License.
+#  You may obtain a copy of the License at
+#
+#       http://www.apache.org/licenses/LICENSE-2.0
+#
+#  Unless required by applicable law or agreed to in writing, software
+#  distributed under the License is distributed on an "AS IS" BASIS,
+#  WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
+#  See the License for the specific language governing permissions and
+#  limitations under the License.
+
 import re
 import json
 from typing import Type, TypeVar, Any, Generic
 from pydantic import BaseModel, ValidationError
-from pydantic_ai import Agent, RunContext
-from pydantic_ai.run import AgentRunResult
+from pydantic_ai import Agent
 
 T = TypeVar('T', bound=BaseModel)
 
 class AgentRunResultProxy:
+    """AgentRunResultProxy 核心组件类。
+    这是一个领域数据模型或功能封装类，承载了 AgentRunResultProxy 相关的内聚属性定义与状态维护。它的存在隔离了局部的业务复杂性，并对外提供了类型安全的访问接口。    """
     def __init__(self, original, parsed):
         self._original = original
         self._parsed = parsed
     def __getattr__(self, name):
+        """检索并获取特定的   getattr   数据集合或实例对象。
+        根据提供的查询条件或上下文凭证，从数据库、缓存或第三方服务中读取对应的资源状态。
+        Args:        name: 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。
+        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。    """
         if name == 'data':
             return self._parsed
         if name == 'output':
@@ -78,6 +97,10 @@ class DeepSeekReasonerAgent(Generic[T]):
         )
 
     def _parse_output(self, text: str) -> Any:
+        """执行与  parse output 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:        text (str): 控制逻辑流向的具体字符串参数，指定了期望的 text 内容。
+        Returns:         (Any): 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。    """
         if not self.has_custom_output:
             return text
 
@@ -114,10 +137,18 @@ class DeepSeekReasonerAgent(Generic[T]):
 
     def __getattr__(self, item):
         # Delegate any unknown attributes (like .system_prompt, .tool) to the underlying pydantic_ai Agent
+        """检索并获取特定的   getattr   数据集合或实例对象。
+        根据提供的查询条件或上下文凭证，从数据库、缓存或第三方服务中读取对应的资源状态。
+        Args:        item: 参与   getattr   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。    """
         return getattr(self.agent, item)
 
     async def run(self, user_prompt: str, deps: Any = None, message_history: list = None, **kwargs) -> Any:
         # Custom retry loop
+        """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:        user_prompt (str): 控制逻辑流向的具体字符串参数，指定了期望的 user prompt 内容。        deps (Any): 参与 run 逻辑运算或数据构建的上下文依赖对象。        message_history (list): 批量操作所需的列表集合，囊括了需要统一处理的多个 message history 元素。
+        Returns:         (Any): 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。    """
         current_history = message_history or []
         last_exception = None