feat: 配置默认使用千问模型

- 修改默认LLM配置为千问模型（qwen-turbo）
- 创建LLM配置文件，支持千问、OpenAI、Anthropic等多种模型
- 添加千问模型的特殊支持和模拟响应
- 创建配置说明文档，指导用户如何配置千问API密钥
- 优化智能Agent的模拟响应，体现千问模型的特色
- 支持通过配置文件灵活切换不同的LLM提供商

src/agent/intelligent_agent.py

@@ -222,16 +222,16 @@ class IntelligentAgent:
             return self._simulate_llm_response(prompt)
     
     def _simulate_llm_response(self, prompt: str) -> Dict[str, Any]:
-        """模拟大模型响应"""
+        """模拟大模型响应 - 千问模型风格"""
         if "预警信息" in prompt:
             return {
-                "analysis": "系统性能下降，需要立即处理",
+                "analysis": "【千问分析】系统性能下降，需要立即处理。根据历史数据分析，这可能是由于资源不足或配置问题导致的。",
                 "immediate_actions": [
                     {
                         "action": "重启相关服务",
                         "priority": 5,
                         "confidence": 0.9,
-                        "parameters": {"service": "main_service"}
+                        "parameters": {"service": "main_service", "reason": "服务响应超时"}
                     }
                 ],
                 "follow_up_actions": [
@@ -239,32 +239,35 @@ class IntelligentAgent:
                         "action": "检查系统日志",
                         "priority": 3,
                         "confidence": 0.7,
-                        "parameters": {"log_level": "error"}
+                        "parameters": {"log_level": "error", "time_range": "last_hour"}
                     }
                 ],
                 "prevention_measures": [
-                    "增加监控频率",
-                    "优化系统配置"
+                    "增加监控频率，提前发现问题",
+                    "优化系统配置，提升性能",
+                    "建立预警机制，减少故障影响"
                 ]
             }
         else:
             return {
-                "confidence_analysis": "当前答案置信度较低，需要更多上下文信息",
+                "confidence_analysis": "【千问分析】当前答案置信度较低，需要更多上下文信息。建议结合用户反馈和历史工单数据来提升答案质量。",
                 "enhancement_suggestions": [
-                    "添加更多示例",
-                    "提供详细步骤"
+                    "添加更多实际案例和操作步骤",
+                    "提供详细的故障排除指南",
+                    "结合系统架构图进行说明"
                 ],
                 "actions": [
                     {
                         "action": "更新知识库条目",
                         "priority": 4,
                         "confidence": 0.8,
-                        "parameters": {"enhanced_answer": "增强后的答案"}
+                        "parameters": {"enhanced_answer": "基于千问模型分析的增强答案"}
                     }
                 ],
                 "learning_opportunities": [
-                    "收集用户反馈",
-                    "分析相似问题"
+                    "收集用户反馈，持续优化答案",
+                    "分析相似问题，建立知识关联",
+                    "利用千问模型的学习能力，提升知识质量"
                 ]
             }
     

src/agent/llm_client.py

@@ -38,7 +38,7 @@ class BaseLLMClient(ABC):
         pass
 
 class OpenAIClient(BaseLLMClient):
-    """OpenAI客户端"""
+    """OpenAI客户端 - 支持OpenAI和兼容OpenAI API的模型（如千问）"""
     
     def __init__(self, config: LLMConfig):
         self.config = config
@@ -93,11 +93,15 @@ class OpenAIClient(BaseLLMClient):
     
     def _simulate_response(self, prompt: str) -> str:
         """模拟响应"""
+        if "千问" in self.config.model or "qwen" in self.config.model.lower():
+            return f"【千问模型模拟响应】根据您的问题，我建议采取以下措施：{prompt[:50]}... 这是一个智能化的解决方案。"
         return f"模拟LLM响应: {prompt[:100]}..."
     
     def _simulate_chat(self, messages: List[Dict[str, str]]) -> str:
         """模拟对话响应"""
         last_message = messages[-1]["content"] if messages else ""
+        if "千问" in self.config.model or "qwen" in self.config.model.lower():
+            return f"【千问模型模拟对话】我理解您的问题：{last_message[:50]}... 让我为您提供专业的建议。"
         return f"模拟对话响应: {last_message[:100]}..."
 
 class AnthropicClient(BaseLLMClient):