feat: 重大功能更新 v1.4.0 - 飞书集成、AI语义相似度、前端优化

主要更新内容:
- 🚀 飞书多维表格集成，支持工单数据同步
- 🤖 AI建议与人工描述语义相似度计算
- 🎨 前端UI全面优化，现代化设计
- 📊 智能知识库入库策略（AI准确率<90%使用人工描述）
- 🔧 代码重构，模块化架构优化
- 📚 完整文档整合和更新
- 🐛 修复配置导入和数据库字段问题

技术特性:
- 使用sentence-transformers进行语义相似度计算
- 快速模式结合TF-IDF和语义方法
- 响应式设计，支持移动端
- 加载状态和动画效果
- 配置化AI准确率阈值

src/utils/helpers.py

@@ -76,18 +76,24 @@ def extract_keywords(text: str, max_keywords: int = 10) -> List[str]:
     return [word for word, count in sorted_words[:max_keywords]]
 
 def calculate_similarity(text1: str, text2: str) -> float:
-    """计算文本相似度"""
-    from sklearn.feature_extraction.text import TfidfVectorizer
-    from sklearn.metrics.pairwise import cosine_similarity
-    
+    """计算文本相似度（使用语义相似度）"""
     try:
-        vectorizer = TfidfVectorizer()
-        vectors = vectorizer.fit_transform([text1, text2])
-        similarity = cosine_similarity(vectors[0:1], vectors[1:2])[0][0]
-        return float(similarity)
+        from src.utils.semantic_similarity import calculate_semantic_similarity
+        return calculate_semantic_similarity(text1, text2)
     except Exception as e:
-        logging.error(f"计算相似度失败: {e}")
-        return 0.0
+        logging.error(f"计算语义相似度失败: {e}")
+        # 回退到传统方法
+        try:
+            from sklearn.feature_extraction.text import TfidfVectorizer
+            from sklearn.metrics.pairwise import cosine_similarity
+            
+            vectorizer = TfidfVectorizer()
+            vectors = vectorizer.fit_transform([text1, text2])
+            similarity = cosine_similarity(vectors[0:1], vectors[1:2])[0][0]
+            return float(similarity)
+        except Exception as e2:
+            logging.error(f"计算TF-IDF相似度失败: {e2}")
+            return 0.0
 
 def format_time_duration(seconds: float) -> str:
     """格式化时间持续时间"""