refactor(agents): 抽取阶段常量与对话上下文；快档 LLM；图片 prompt 可禁止回退

访谈与阶段
- 新增 app/agents/stage_constants.py：集中 CHAT_STAGES、章节分类/顺序、阶段到默认 memoir 类别等，与 MemoirState 默认槽位顺序对齐；减少散落在 prompts 内的重复常量。
- 新增 app/agents/chat/prompt_context.py：以 ChatPromptContext 汇总 guided 系统提示所需字段（阶段、槽位、轮次、人设、记忆证据、回复长度模式、背景声线、职业等），统一走 get_guided_conversation_prompt。
- 大幅收敛 app/agents/chat/prompts_conversation.py；调整 prompts.py、stage_prompts.py、stage_detection.py；同步 interview_agent、profile_agent、helpers 与 state_schema，使对话侧构造提示的方式一致、可测。

回忆录流水线
- memoir/prompts.py 删除已迁至 stage_constants / 独立模板的大段常量与图片占位相关逻辑；classification / extraction / fidelity / narrative agents 与 orchest（全量历史仍可用于计数，注入模型时按轮次与字符上限截断）、image_prompt_fallback_disabled。
- dependencies 增加 get_llm_provider_fast（LRU 缓存，可与默认共用密钥与 base_url）。

任务与编排
- memoir_tasks：prepare_batches 注入 llm_fast；开启独立快档模型时打结构化日志。
- chapter_cover_tasks、story_image_tasks：与图片 prompt / JSON 工具路径或策略变更对齐（import 与行为一致）。
- story_pipeline_sync 等小处同步。

其它核心
- langchain_llm、text_normalize 随上述调用链微调。

开发者体验
- .cursor/settings.json：启用 redis-development、postman 插件。

测试
- 新增 test_image_prompt_policy：覆盖「禁止回退」等图片 prompt 策略。
- 更新 test_interview_prompts、test_interview_reply_length、test_experience_regressions、test_json_and_memory_utils，匹配新常量位置、json_utils 与对话/长度行为。

api/app/agents/memoir/orchestrator.py

@@ -53,14 +53,18 @@ class MemoirOrchestrator:
         llm: Any,
         get_or_create_state: Callable[[], MemoirStateSchema],
         update_slot: Callable[[str, str, str, List[str]], MemoirStateSchema],
+        llm_fast: Any | None = None,
     ) -> PreparedMemoirBatches:
         """
         遍历 segments：Extraction → slot 更新 → Classification → 按 category 分桶。
         不含锁与写章节/故事（由调用方显式执行）。
+
+        ``llm_fast``：分类与抽取专用；未传时与 ``llm`` 相同（叙事/路由仍用 ``llm``）。
         """
         state = get_or_create_state()
         category_to_segments: Dict[str, List[Segment]] = {}
         segment_skip_story_ids: Set[str] = set()
+        classify_extract_llm = llm_fast if llm_fast is not None else llm
 
         for segment in segments:
             text = segment.user_input_text or ""
@@ -79,7 +83,7 @@ class MemoirOrchestrator:
                     user_message=text,
                     current_stage=state.current_stage or "childhood",
                     stage_slots=stage_slots_raw,
-                    llm=llm,
+                    llm=classify_extract_llm,
                 )
             detected_stage = result.detected_stage
             for slot_name, snippet in result.slots.items():
@@ -93,7 +97,7 @@ class MemoirOrchestrator:
                 classify_result = self.classification_agent.classify(
                     text=text,
                     fallback_stage=detected_stage,
-                    llm=llm,
+                    llm=classify_extract_llm,
                     segment_id=segment.id,
                 )
             chapter_category = classify_result.category
@@ -147,6 +151,7 @@ class MemoirOrchestrator:
             Tuple[Any, bool],
         ],
         raise_retry: Callable[[], None],
+        llm_fast: Any | None = None,
     ) -> Tuple[Set[str], int]:
         """
         执行回忆录流水线。
@@ -158,6 +163,7 @@ class MemoirOrchestrator:
         prepared = self.prepare_batches(
             segments=segments,
             llm=llm,
+            llm_fast=llm_fast,
             get_or_create_state=get_or_create_state,
             update_slot=update_slot,
         )