feat: 客服 Agent 端到端跑通（知识直返 + 答不了引导人工客服）

按业务方确定的取向实现：金融场景确定性优先，能溯源到公司资料的才答，答不了就
引导客户拨打客服热线，绝不用模型猜答案。端到端验收 8/8 通过。

新增：
- app/service/knowledge_search_service.py：知识检索。未复用记忆的 VectorMemoryAdapter
  是因为它只返回 (memory_uuid, score)，会丢掉知识块的标题与正文，而客服回答必须能把
  原文与出处一起交付。检索失败一律返回 degraded 而不抛异常，由 Agent 走兜底。
- app/service/knowledge_tool.py + app/core/knowledge_contracts.py：只读工具 search_knowledge。
  走 ToolExecutor 而不是让 Agent 直接持有检索服务，是为了让白名单、权限、审计、超时
  都归基座统一管理；工具只读也符合 ToolRegistry 的硬约束。复用既有权限码
  knowledge:reference:read（customer 角色已具备），不新增权限点。
- app/service/agent/implementations/customer_service.py：Agent 本体，刻意保持薄——
  意图分发 + 四条出口（faq/产品/政策直返、闲聊走模型、其余与异常引导人工）。
  直接返回知识原文而不经模型改写，答案的字面内容全部来自公司已发布资料。
- tools/publish_customer_service_config.py：发布意图工具白名单。
- tools/customer_service_check.py：端到端验收（8 个用例，含越界请求与知识库外问题）。

装配：
- bootstrap 新增 get_knowledge_search_service 工厂，注册 search_knowledge 工具与
  customer_service Agent。
- runtime_config_service 新增 load_active_prompt：提示词绑定 release_id，按当前生效
  版本读取，未发布时回落代码默认值。闲聊话术因此可审核、可回滚，不必改代码发版。

过程中发现并处理的三个问题：
1. 自造 source_references 被基座合规闸门拒绝。governance.review_output 只接受
   「本次召回的记忆」与「本次成功调用的工具」两类引用（用于防止伪造来源），
   knowledge 类型会被判非法并使整个 run 失败。处理方式是**不放开那道校验**，
   而把知识出处（文件标题与内部编号）写进正文，source_references 交给基座自动附加。
2. 发布配置是整版本替换语义：新版本会清空旧版本的全部配置项。若只发客服白名单，
   示例 Agent 的 fund_query_demo:fund_quote 会被静默清空。故发布脚本先读取当前生效
   版本的全部配置项并原样继承，再追加新增项。
3. 验收脚本自身两处自伤：打印 emoji 触发 GBK UnicodeEncodeError、以及读错结果字段
   （RunQueryService 返回的答案键是 content 不是 text）。

已知缺口（未修，已记录）：
- CoreResult.transfer_required 未持久化：conversation_message 不存该标记，
  API 读不到"本次是否引导了人工"。当前靠正文里的固定话术判断。
- 知识块引用（source_type=knowledge）尚未启用，需先让 ToolExecutor 把工具返回的
  doc_id 登记为本次可引用来源。

验证：ruff 通过、mypy 107 文件无错、unit+contract 447 passed；
tools/customer_service_check.py 8/8 通过（含越界请求、投诉、知识库外问题三类
必须引导人工的场景，以及 7 个零容忍负面词零命中）。

app/service/agent/bootstrap.py

@@ -7,14 +7,18 @@ from sqlalchemy.ext.asyncio import AsyncSession
 from app.core.config import get_settings
 from app.core.errors import RecoverableAgentError
 from app.core.fund_contracts import FundQuoteQuery
+from app.core.knowledge_contracts import KnowledgeSearchInput
 from app.infrastructure.fund_quote_cache import FundQuoteCache
 from app.infrastructure.memory_cache import MemoryCacheAdapter
 from app.infrastructure.vector_memory import VectorMemoryAdapter
 from app.service.agent.factory import AgentFactory
 from app.service.agent.governance import PlatformGovernance
+from app.service.agent.implementations.customer_service import CustomerServiceAgent
 from app.service.agent.implementations.fund_query_demo import FundQueryDemoAgent
 from app.service.fund_quote_service import query_fund_quote_tool
 from app.service.intent_classifier import IntentClassifier
+from app.service.knowledge_search_service import KnowledgeSearchService
+from app.service.knowledge_tool import knowledge_search_tool
 from app.service.memory_recall_service import MemoryRecallService
 from app.service.model_gateway import (
     DatabaseModelEndpointResolver,
@@ -103,6 +107,25 @@ async def _embed_text(text: str) -> list[float]:
     return execution.vector
 
 
+@lru_cache(maxsize=1)
+def get_knowledge_search_service() -> KnowledgeSearchService:
+    """客服知识检索装配：Milvus 客户端 + 向量化入口。
+
+    与记忆的语义通道同一取向：Milvus 不可达或缺少 embedding 端点时**不抛异常**，
+    而是返回 `available=False` 的实例，检索结果标记 `degraded`，由客服 Agent 走
+    「引导客户致电人工客服」。基础设施故障不该表现成客户可见的错误。
+    """
+    client = None
+    try:
+        from pymilvus import MilvusClient
+
+        settings = get_settings()
+        client = MilvusClient(uri=settings.milvus_uri, token=settings.milvus_token or None)
+    except Exception:
+        logger.warning("knowledge vector client unavailable; search degrades", exc_info=True)
+    return KnowledgeSearchService(client, _embed_text)
+
+
 def build_memory_recall_service(session: AsyncSession) -> MemoryRecallService:
     """记忆召回组装：结构化召回始终可用，Redis 缓存与语义通道可用时叠加。
 
@@ -143,6 +166,17 @@ def get_agent_factory() -> AgentFactory:
         # （12s）与重试预算，多代码查询必然先撞工具超时。
         timeout_seconds=15,
     ))
+    registry.register(ToolDefinition(
+        name="search_knowledge",
+        input_model=KnowledgeSearchInput,
+        handler=cast(Any, knowledge_search_tool),
+        # 复用既有权限码（customer 角色已具备），不新增权限点
+        required_permission="knowledge:reference:read",
+        allowed_roles=("customer", "advisor", "operator", "admin"),
+        # 检索含一次 embedding 调用 + 三次集合检索；embedding 实测 0.42s，
+        # 10s 覆盖冷启动与 Milvus 抖动，又不至于让客户等太久
+        timeout_seconds=10,
+    ))
     model_service = get_model_service()
     endpoint_resolver = DatabaseModelEndpointResolver()
     factory = AgentFactory(
@@ -172,3 +206,10 @@ def register_business_agents(factory: AgentFactory) -> None:
         FundQueryDemoAgent.definition,
         lambda _context: FundQueryDemoAgent(FundQueryDemoAgent.definition),
     )
+    # 客服 Agent：只回答能溯源到公司资料的问题，答不了引导客户致电人工客服。
+    # 它声明了 5 个意图，但真正能调用 search_knowledge 的范围由发布配置逐意图收窄
+    # （`agent_tools` 里 `customer_service:<intent>`），未发布的意图工具失败关闭。
+    factory.register(
+        CustomerServiceAgent.definition,
+        lambda _context: CustomerServiceAgent(CustomerServiceAgent.definition),
+    )