feat(chat): 优化回复内容过滤器，杜绝格式模仿

核心问题：
修复了模型在生成回复时，偶尔会模仿并输出Prompt中用于示例的 [回复<...>] 格式的问题。此问题会导致最终发送的消息包含不应出现的多余文本。

实现方案：

精准定位过滤时机：
将过滤逻辑从原先的 send_api 前置到 default_generator 的 llm_generate_content 方法中。这确保了在LLM生成内容后、任何后续处理（如回复分割）前，第一时间对不规范内容进行清理，从根源上解决了问题。

强化正则表达式：
采用了一个更严格的正则表达式 r'\[\s*回复\s*<.+?>.*?\]'，并设置了 re.DOTALL 标志。此举旨在“宁可错杀，不可放过”，能够更有效地匹配并清除各种复杂的、甚至包含换行的模仿格式。

处理嵌套残留：
在正则替换后，增加了一步额外的检查。如果清理后的字符串以 ] 开头（通常由嵌套括号引起），则会移除这个残留的字符，确保最终内容的绝对纯净。

增加日志监控：
为过滤器增加了 logger.warning 日志。当过滤器成功触发并清理内容时，会详细记录原始内容与清理后的内容，便于后续追踪和分析模型行为。

代码结构优化：

移除了 llm_generate_content 方法中原有的、效果较差的旧清理逻辑，避免了代码冗余。
修正了 build_memory_block 方法中一处错误的属性访问，将 stream.chat_history_manager 更正为 stream.context_manager，解决了潜在的 AttributeError。
最终效果：
通过以上修改，我们构建了一套健壮、精准且可观测的回复内容过滤机制，彻底解决了模型模仿系统消息格式的问题，显著提升了回复内容的质量与规范性

src/chat/replyer/default_generator.py

@@ -557,11 +557,11 @@ class DefaultReplyer:
                     participants = []
                     try:
                         # 尝试从聊天流中获取参与者信息
-                        if hasattr(stream, "chat_history_manager"):
-                            history_manager = stream.chat_history_manager
+                        if hasattr(stream, "context_manager"):
+                            history_manager = stream.context_manager
                             # 获取最近的参与者列表
                             recent_records = history_manager.get_memory_chat_history(
-                                user_id=getattr(stream, "user_id", ""),
+                                user_id=getattr(stream.user_info, "user_id", ""),
                                 count=10,
                                 memory_types=["chat_message", "system_message"]
                             )
@@ -1747,6 +1747,10 @@ class DefaultReplyer:
                 original_content_for_aggresive_filter = content
                 cleaned_content_by_aggresive_filter = aggressive_pattern.sub('', content).strip()
 
+                # 再次检查并移除因嵌套括号可能残留的单个 ']'
+                if cleaned_content_by_aggresive_filter.startswith(']'):
+                    cleaned_content_by_aggresive_filter = cleaned_content_by_aggresive_filter[1:].strip()
+
                 if cleaned_content_by_aggresive_filter != original_content_for_aggresive_filter:
                     logger.warning(f"检测到并清理了模型生成的不规范回复格式。原始内容: '{original_content_for_aggresive_filter}', 清理后: '{cleaned_content_by_aggresive_filter}'")
                     content = cleaned_content_by_aggresive_filter