feat: iPet → iAs 完整迁移，Rust 版微信 AI 助手

Phase 1 ✅ CLI 框架 + 配置系统
  - clap 子命令: login / listen / send / whoami / usage
  - config.json + env var 替换
  - tracing 日志系统
  - state 持久化（auth/runtime 文件存 + PostgreSQL）

Phase 2 ✅ 微信通道
  - wechat::client — 完整 iLink Bot HTTP API 实现
  - 扫码登录（终端二维码 + 轮询状态）
  - 长轮询 getupdates / 消息收发 / 监听注册

Phase 3 ✅ AI 对话（纯文本 + function calling）
  - LlmProvider trait: DeepSeek + LM Studio 实现
  - SSE 流式解析（text / reasoning / tool_calls delta / usage）
  - Conversation: 消息历史 + chat / chat_with_tools 工具循环

Phase 4 ✅ PostgreSQL 集成
  - app_state（认证 KV 存储）
  - chat_records（消息收发记录）
  - llm_usage（Token 用量统计缓存命中率）
  - user_memories（长期记忆持久化）
  - pending_approvals（审批确认码）
  - scheduled_tasks（定时任务表）

Phase 5 ✅ 一切皆 Skill（工具系统）
  - SkillRegistry: 系统 + 用户 skills 双目录合并
  - SKILL.md 解析器 + 子进程执行器（stdin JSON → stdout）
  - 9 个系统 Skills: datetime / weather / search / email /
    shell / schedule / memos / read_memories / read_summaries
  - ApprovalManager: High 风险技能 → 确认码审批（透明模式）
  - High 风险技能：确认码审批（透明模式）

Phase 6 ✅ 定时任务调度器

上下文管理
  - ChatSession: checkpoint + token budget (28K) + summaries
  - Token 估算器（中英文自适应）
  - 12h 空闲 → trigger_idle_summary（不入会话）
  - Budget 溢出 → trigger_overflow_summary（入会话 + drain 旧消息）
  - Summarizer: LLM 生成自然语言摘要（fallback 简单截断）
  - 长期记忆 / 摘要 通过 read_memories / read_summaries 工具按需读取

工具调用日志 + Token 统计
  - INFO: 工具名 + 参数 + 结果摘要
  - DEBUG: 子进程 exit/stdout/stderr
  - ias usage --since --until --model 查看用量和缓存命中率

resources/skills/search_web/SKILL.md

@@ -0,0 +1,30 @@
+# search_web
+
+通过网络搜索获取最新信息（Tavily Search API）。
+
+## Risk Level
+Low
+
+## Parameters
+```json
+{
+  "type": "object",
+  "properties": {
+    "query": {
+      "type": "string",
+      "description": "搜索关键词"
+    },
+    "count": {
+      "type": "integer",
+      "description": "返回结果数量，默认5",
+      "default": 5
+    }
+  },
+  "required": ["query"]
+}
+```
+
+## Execute
+```bash
+scripts/search.sh
+```

resources/skills/search_web/scripts/search.sh

@@ -0,0 +1,54 @@
+#!/bin/bash
+# Tavily 搜索
+
+read -r input
+QUERY=$(echo "$input" | python3 -c "
+import sys, json
+d = json.load(sys.stdin)
+print(d.get('query', ''))
+" 2>/dev/null)
+
+COUNT=$(echo "$input" | python3 -c "
+import sys, json
+d = json.load(sys.stdin)
+print(d.get('count', 5))
+" 2>/dev/null)
+
+if [ -z "$QUERY" ]; then
+  echo "请提供 query 参数"
+  exit 1
+fi
+
+API_KEY="${TAVILY_API_KEY}"
+if [ -z "$API_KEY" ]; then
+  echo "请设置 TAVILY_API_KEY 环境变量"
+  exit 1
+fi
+
+RESP=$(curl -s -X POST "https://api.tavily.com/search" \
+  -H "Content-Type: application/json" \
+  -d "{\"api_key\":\"$API_KEY\",\"query\":\"$QUERY\",\"max_results\":$COUNT,\"include_answer\":true}")
+
+# 解析并输出
+ANSWER=$(echo "$RESP" | python3 -c "
+import sys, json
+d = json.load(sys.stdin)
+answer = d.get('answer', '')
+results = d.get('results', [])
+lines = []
+if answer:
+    lines.append(f'总结: {answer}')
+    lines.append('')
+for i, r in enumerate(results[:$COUNT], 1):
+    title = r.get('title', '无标题')
+    url = r.get('url', '')
+    content = r.get('content', '')[:200]
+    lines.append(f'{i}. {title}')
+    lines.append(f'   {url}')
+    if content:
+        lines.append(f'   {content}')
+    lines.append('')
+print('\\n'.join(lines))
+" 2>/dev/null)
+
+echo "$ANSWER"