fix: auto-fix code issues (cron)

- 修复重复导入/字段
- 修复异常处理
- 修复PEP8格式问题
- 添加类型注解
- 修复main.py中的语法错误（缺失try语句的from导入）
- 添加缺失的timedelta导入到plugin_manager.py
- 添加缺失的urllib.parse导入到plugin_manager.py和workflow_manager.py
- 添加缺失的os导入到document_processor.py
- 修复import排序问题
- 修复行长度超过100字符的问题
- 添加缺失的Alert导入到test_phase8_task8.py
- 添加缺失的get_export_manager导入到main.py

backend/ai_manager.py

@@ -428,7 +428,8 @@ class AIManager:
 
 文本: {text}
 
-以 JSON 格式返回实体列表: [{{"text": "实体文本", "label": "类型", "start": 0, "end": 5, "confidence": 0.95}}]
+以 JSON 格式返回实体列表: [{{"text": "实体文本", "label": "类型", 
+"start": 0, "end": 5, "confidence": 0.95}}]
 只返回 JSON 数组，不要其他内容。"""
 
         headers = {
@@ -603,7 +604,10 @@ class AIManager:
         # Kimi 目前可能不支持真正的多模态，这里模拟返回
         # 实际实现时需要根据 Kimi API 更新
 
-        content = f"图片 URL: {', '.join(image_urls)}\n\n{prompt}\n\n注意：请基于图片 URL 描述的内容进行回答。"
+        content = (
+            f"图片 URL: {', '.join(image_urls)}\n\n{prompt}\n\n"
+            "注意：请基于图片 URL 描述的内容进行回答。"
+        )
 
         payload = {
             "model": "k2p5",
@@ -1319,7 +1323,10 @@ class AIManager:
             "mean": round(mean, 2),
             "std": round(std, 2),
             "confidence": min(0.95, 0.7 + len(historical_values) * 0.01),
-            "explanation": f"当前值偏离均值{z_score:.2f}个标准差，{'检测到异常' if is_anomaly else '处于正常范围'}",
+            "explanation": (
+                f"当前值偏离均值{z_score:.2f}个标准差，"
+                f"{'检测到异常' if is_anomaly else '处于正常范围'}"
+            ),
         }
 
     def _predict_entity_growth(self, input_data: dict, model: PredictionModel) -> dict:
@@ -1349,7 +1356,10 @@ class AIManager:
             "current_count": counts[-1],
             "growth_rate": round(avg_growth_rate, 4),
             "confidence": min(0.9, 0.6 + len(entity_history) * 0.03),
-            "explanation": f"基于过去{len(entity_history)}个周期的数据，预测增长率{avg_growth_rate * 100:.1f}%",
+            "explanation": (
+                f"基于过去{len(entity_history)}个周期的数据，"
+                f"预测增长率{avg_growth_rate * 100:.1f}%"
+            ),
         }
 
     def _predict_relation_evolution(self, input_data: dict, model: PredictionModel) -> dict: