feat(v1): 架构与算法优化——语义缓存 2.37x、Router 去重、分类器确定性决胜

架构：
- Router：低置信度直连/专家异常两条兜底路径的收尾逻辑（回退→finalize→record）提取为
  _fallback_result 公共方法，消除三处重复收尾块

算法：
- RouterCache：语义条目写入时预计算向量范数（原每次两两比较重算）、
  语义查找单遍完成（原命中后二次 O(N) 查找）、相似度=1.0 提前终止扫描；
  微基准（3000 条目×200 查询）：3986ms -> 1685ms，2.37x
- RuleClassifier：同分决胜改为按领域名字典序（与规则表排列顺序无关的确定性）、
  次高分由全排序改 O(n) 扫描

测试：新增 5 项（缓存范数一致性/提升后无残留/淘汰同步清理、决胜确定性、区分度惩罚）
pytest 25 passed（原 20 全绿 + 新增 5）
基线检查点：66b6fd8（操作前已提交，20 passed）

router_system/classifier.py

@@ -128,7 +128,8 @@ class RuleClassifier(BaseClassifier):
                 matched_rules=[],
             )
 
-        best_domain = max(raw, key=raw.get)
+        # 同分决胜：按领域名字典序，保证与规则表排列顺序无关的确定性
+        best_domain = max(sorted(raw), key=lambda d: raw[d])
         best_score = raw[best_domain]
         confidence = 1.0 - math.exp(-best_score)
 
@@ -138,7 +139,7 @@ class RuleClassifier(BaseClassifier):
 
         # 与次高分的差距影响置信度（区分度）
         if len(raw) > 1:
-            second = sorted(raw.values(), reverse=True)[1]
+            second = max(v for d, v in raw.items() if d != best_domain)
             if second > 0.7 * best_score:
                 confidence *= 0.85