feat: 添加后端部署和API基本检索的Docker Compose配置

- 引入新的`docker-compose.yml`文件，便于后端和MQTT代理（EMQX）的部署。
- 更新多个组件中的API基本检索，使用函数进行动态解析。
- 加强了多个组件中API调用的错误处理和日志记录。
- 优化了AI聊天面板离线场景的回退响应。
- 更新DataScreen和MediaScreen组件中的数据显示和统计，以反映准确的指标。
- 重构MQTT连接逻辑，以支持动态凭证和客户端ID。

backend/app/llm.py

@@ -21,8 +21,10 @@ _SSL_CTX = ssl.create_default_context(cafile=certifi.where())
 
 SYSTEM_PROMPT = (
     "你是「昆明市大学生创业园 · OPC 智能园区」的 AI 智能助手，运行在大屏展播系统上。"
-    "园区提供空间、孵化、融资、政策、资源、AI 赋能、综合服务七位一体服务，"
-    "在园项目 158 家，累计带动就业 2,186 人，累计营收 2.08 亿元。"
+    "园区提供空间、孵化、融资、政策、资源、AI 赋能、综合服务七位一体服务。"
+    "回答园区相关问题时，必须严格依据【园区知识库】中的标准资料口径回答，"
+    "不得使用资料外的数字；涉及运营数据时请区分口径（官方统计/省级绩效累计/AI平台指标），"
+    "并在需要时调用 get_park_overview 工具获取实时准确数据。"
     "当用户要求「切换页面 / 控制播放 / 展示卡片 / 弹出通知」时，必须调用对应工具；"
     "其余园区相关问题用简洁、专业的中文回答，可适当使用列表。"
 )
@@ -146,7 +148,17 @@ def run_chat(messages):
         log.warning("未配置 DASHSCOPE_API_KEY，使用本地规则引擎")
         return _fallback(messages)
 
-    msgs = [{"role": "system", "content": SYSTEM_PROMPT}] + [
+    # 注入园区知识库摘要（标准资料口径），确保回答准确
+    system = SYSTEM_PROMPT
+    try:
+        from .rag import brief
+        kb = brief()
+        if kb:
+            system += f"\n\n【园区知识库】\n{kb}"
+    except Exception as e:  # noqa: BLE001
+        log.warning("llm: 知识库注入失败（仅用基础提示词）: %s", e)
+
+    msgs = [{"role": "system", "content": system}] + [
         {"role": m.get("role") == "me" and "user" or m.get("role", "user"), "content": m.get("content", "")}
         for m in (messages or [])
     ]