chore: 清理未使用的代码文件和备份

- 删除 backend/main.py (已由 app/main.py 替代)
- 删除 backend/api/ 和 backend/core/ (已由 app/api/ 和 app/core/ 替代)
- 删除 backend/static 符号链接
- 删除前端测试/调试页面
- 删除未引用的 vendor 子目录 (element-plus/, vue/, axios/)
- 删除所有 .bak 备份文件

platform/backend/app/core/nvidia_client.py.bak

@@ -1,118 +0,0 @@
-"""
-NVIDIA 专用 LLM 客户端（fixed configuration）
-使用 OpenAI 兼容接口调用 stepfun-ai/step-3.5-flash
-"""
-
-import requests
-import json
-from typing import Optional
-
-class LLMError(Exception):
-    pass
-
-# 固定配置（你的可用 key）
-CONFIG = {
-    "base_url": "https://integrate.api.nvidia.com/v1",
-    "api_key": "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",
-    "model": "stepfun-ai/step-3.5-flash",
-}
-
-def call_llm(
-    prompt: str,
-    system_prompt: str = "你是一个专业的内容创作助手。",
-    temperature: float = 0.7,
-    max_tokens: int = 2000,
-    stream: bool = False,
-) -> str:
-    """
-    调用 NVIDIA LLM 生成文本
-    """
-    endpoint = f"{CONFIG['base_url'].rstrip('/')}/chat/completions"
-    headers = {
-        "Authorization": f"Bearer {CONFIG['api_key']}",
-        "Content-Type": "application/json"
-    }
-    payload = {
-        "model": CONFIG["model"],
-        "messages": [
-            {"role": "system", "content": system_prompt},
-            {"role": "user", "content": prompt}
-        ],
-        "temperature": temperature,
-        "max_tokens": max_tokens,
-        "stream": stream,
-    }
-
-    try:
-        resp = requests.post(endpoint, json=payload, headers=headers, timeout=120, stream=stream)
-        if resp.status_code != 200:
-            raise LLMError(f"HTTP {resp.status_code}: {resp.text[:200]}")
-        if stream:
-            full = []
-            for line in resp.iter_lines():
-                if not line:
-                    continue
-                if line.startswith(b'data: '):
-                    data = line[6:]
-                    if data == b'[DONE]':
-                        break
-                    try:
-                        chunk = json.loads(data)
-                        delta = chunk['choices'][0]['delta']
-                        # 支持 reasoning_content 或 reasoning 字段
-                        if 'reasoning_content' in delta and delta['reasoning_content']:
-                            full.append(delta['reasoning_content'])
-                        if 'content' in delta and delta['content']:
-                            full.append(delta['content'])
-                    except Exception:
-                        continue
-            return "".join(full)
-        else:
-            data = resp.json()
-            msg = data["choices"][0]["message"]
-            content = msg.get('content') or msg.get('reasoning') or msg.get('reasoning_content')
-            return content.strip() if content else ''
-    except requests.RequestException as e:
-        raise LLMError(f"Request failed: {e}")
-
-def expand_content_with_llm(topic: dict, section_title: str, section_content: str, context: str = "") -> str:
-    """扩写大纲章节，返回包含 ## 标题的完整 Markdown"""
-    prompt = f"""你是一个专业的内容创作者。请将以下大纲扩展为完整的文章章节。
-
-# 选题信息
-- 标题：{topic.get('title')}
-- 领域：{topic.get('field')}
-- 核心观点：{topic.get('core_concept', '')}
-- 受众痛点：{topic.get('audience_pain', '')}
-- 独特视角：{topic.get('unique_angle', '')}
-
-# 当前章节
-## {section_title}
-{section_content}
-
-# 要求
-- 以 `## {section_title}` 作为章节标题开头
-- 字数：300-500字
-- 风格：客观、专业、易懂
-- 使用 Markdown 格式
-- 包含具体数据或案例（如果有）
-- 保持与整体文章调性一致
-
-直接输出完整的 Markdown 章节（包括 ## 标题和正文段落）。"""
-    if context:
-        prompt = f"# 参考资料\n{context}\n\n{prompt}"
-
-    try:
-        result = call_llm(prompt, temperature=0.8, max_tokens=2000)
-        return result.strip()
-    except Exception as e:
-        return f"## {section_title}\n\n（LLM 调用失败：{e}，请手动补充）"
-
-# 测试
-if __name__ == "__main__":
-    try:
-        print(f"[nvidia_client] 使用模型: {CONFIG['model']}")
-        resp = call_llm("你好，请用一句话介绍你自己。", max_tokens=50)
-        print(f"[nvidia_client] 响应: {resp}")
-    except Exception as e:
-        print(f"[nvidia_client] 错误: {e}")