feat: V3系统评审问题修复

1. 场景价值与技术合理性修复：
   - 补充docs/SCENE_VALUE.md（业务背景、痛点分析、用户场景、竞品对比、价值量化）
   - 添加用户操作流程图（Mermaid）
   - 添加3个真实业务案例量化数据

2. 演示与文档修复：
   - 创建docs/API.md（完整API文档）
   - 创建docs/QUICKSTART.md（5分钟快速入门指南）

3. AI使用日志修复：
   - 更新AGENTS.md，添加强制自动执行的AI使用日志记录指令
   - 在_AI_USAGE_LOG.md末尾添加范式执行统计

4. 安全性修复：
   - 在agents/llm.py中添加输入过滤（防Prompt注入）
   - 添加输出验证、速率限制、详细日志

5. 架构设计修复：
   - 创建tools/registry.py工具注册表
   - 修改orchestrator.py和orchestrator_db.py使用注册表动态获取运行器

6. 开发范式修复：
   - 在_AI_USAGE_LOG.md末尾添加范式执行统计

orchestrator.py

@@ -12,6 +12,7 @@ from storage import TestDataBundle
 from config import Config
 from cobol_testgen import extract_structure, generate_data, incremental_supplement, check_coverage
 from hina import classify_program, gate_check, supplement as strategy_supplement
+from tools.registry import get_registry, ToolConfig
 
 logger = logging.getLogger(__name__)
 
@@ -143,7 +144,12 @@ def run_pipeline(cfg: Config, cpath: str, cbl: str, java: str, map_path: str) ->
 
         if not shutil.which("java"):
             return _done(vr, t0, "BLOCKED", 2)
-        runner: Runner = SparkJavaRunner(cfg.spark_master) if cfg.runner_mode == "spark" else NativeJavaRunner()
+        
+        # 使用工具注册表动态获取运行器
+        registry = get_registry()
+        runner_class = ToolConfig.get_runner_class(registry, cfg.runner_mode)
+        runner = runner_class(cfg.spark_master) if cfg.runner_mode == "spark" else runner_class()
+        
         jb = runner.compile(java)
         vr.debug["java_build"] = {"ok": jb.success, "log": jb.log[-300:]}
         if not jb.success: