feat(v1): 架构与算法优化二轮——共享 LLM 客户端去重、语义缓存 O(1) 提升/淘汰、分类器热路径清理

- 新增 router_system/llm_client.py：OpenAICompatClient 统一 experts/judge/fallback
  三处复制的懒建 AsyncClient + /chat/completions + choices/usage 解析（~60 行去重）；
  密钥解析统一走 config.get_api_key（激活原死代码，顺带消除 experts 默认环境名不一致）
- 语义缓存 L2：条目容器 list→OrderedDict（提升/淘汰 O(n)→O(1)），按 query 天然去重；
  n-gram 向量 lru_cache 复用（同一次 miss 的 get/put 免重复分词）；
  A/B：淘汰路径 0.040→0.034s，miss→put 往返 9.41→8.57s（-9%）
- RuleJudge 覆盖度：response.lower() 提出逐词循环（原 O(terms×len) 重复复制）
- extract_content_terms 纯函数 lru_cache 化（专家与 Judge 对同一查询免重复分词），返回 tuple
- RuleClassifier：_score 去掉败者领域白建的命中词 list（胜出后单独收集）；
  修复 code 规则 ("api",0.7) 重复登记（原命中计 1.4 分）
- difficulty：正则模块级预编译
- tests：恢复上一轮引入的乱码中文 docstring；网关测试输入串恢复为可判 code 的中文查询

router_system/llm_client.py

@@ -0,0 +1,69 @@
+"""OpenAI 兼容 Chat Completions 共享客户端（架构去重）。
+
+此前 experts.APIExpert / judge.LLMJudge / fallback.APIFallback 各自复制一份
+"懒建 AsyncClient + POST /chat/completions + choices/usage 解析"的等价逻辑
+（超时、温度、token 上限各自维护）。本模块将其统一为单一组件：
+
+- 懒建 httpx.AsyncClient 并长期复用（与仓库内其他客户端一致）
+- temperature / max_tokens 传 None 时不出现在请求体（保持各后端原请求形状）
+- 密钥解析统一走 config.get_api_key（此前 experts 的默认环境名与另两处不一致）
+
+依赖说明：httpx 仅 api 类型后端需要，import 延迟到连接创建时，
+router_system 核心保持零第三方依赖约束不变。
+"""
+from __future__ import annotations
+
+from typing import Any, Dict, List, Optional
+
+
+class OpenAICompatClient:
+    """OpenAI 兼容 /chat/completions 客户端（懒建连接、跨调用复用）。"""
+
+    def __init__(self, base_url: str, api_key: str, timeout: float = 60.0):
+        self.base_url = base_url.rstrip("/")
+        self.api_key = api_key
+        self._timeout = timeout
+        self._client = None
+
+    def _get_client(self):
+        if self._client is None:
+            import httpx
+            self._client = httpx.AsyncClient(timeout=self._timeout)
+        return self._client
+
+    async def chat(
+        self,
+        model: str,
+        messages: List[Dict[str, str]],
+        temperature: Optional[float] = 0.2,
+        max_tokens: Optional[int] = 1024,
+    ) -> Dict[str, Any]:
+        """调用 /chat/completions，返回完整响应 JSON（含 usage）。
+
+        HTTP 非 2xx 时抛 httpx.HTTPStatusError；temperature/max_tokens
+        为 None 时对应字段不下发（与旧实现中 LLMJudge 的请求体一致）。
+        """
+        payload: Dict[str, Any] = {"model": model, "messages": messages}
+        if temperature is not None:
+            payload["temperature"] = temperature
+        if max_tokens is not None:
+            payload["max_tokens"] = max_tokens
+        client = self._get_client()
+        resp = await client.post(
+            f"{self.base_url}/chat/completions",
+            headers={"Authorization": f"Bearer {self.api_key}"},
+            json=payload,
+        )
+        resp.raise_for_status()
+        return resp.json()
+
+    @staticmethod
+    def completion_text(data: Dict[str, Any]) -> str:
+        """提取首条回复文本。"""
+        return data["choices"][0]["message"]["content"]
+
+    @staticmethod
+    def completion_tokens(data: Dict[str, Any], text: str) -> int:
+        """提取 completion token 数；usage 缺失时按 ~2.2 字符/token 估算。"""
+        usage = data.get("usage", {})
+        return usage.get("completion_tokens", int(len(text) / 2.2))