feat(search): append raw entity fields after view_node summary

view_node 按题两轮摘要（summarize_node）会吞掉 entities/visible_text
字段信号，Agent 站在证据节点上仍漏读实体（benchmark 错题 M1，案例
786-2、872-3、750-1）。dispatcher 侧在摘要后确定性追加 [实体]/[画面
文字] 原文区块，LLM 无法吞掉。

- TreeEnvironment.node_entity_fields：按层级取 card 实体字段原文，
  去空白、去重、分号拼接；空字段省键；未知节点抛 KeyError
- _handle_view_node Phase 2.5：摘要后、子节点概览前追加实体区块
- 附带 ruff format 修正 test_tree_environment.py 两处既有格式

算法 #11（树环境语义搜索）数据访问层扩展，不改搜索算法本身。

app/tree/environment.py

@@ -86,6 +86,13 @@ def _collect_card_strings(
 # subtitle 字段在 _node_full_text / _node_anchored_text 中单独处理
 _SUBTITLE_SKIP: frozenset[str] = frozenset({"subtitle"})
 
+# 各层级 card 的实体字段名（B 修复：dispatcher 追加原文用）
+_ENTITY_FIELDS_BY_LEVEL: dict[str, tuple[str, ...]] = {
+    "L1": ("key_entities",),
+    "L2": ("entities",),
+    "L3": ("visible_entities",),
+}
+
 
 def _collect_from_obj(
     obj: object,
@@ -214,6 +221,44 @@ class TreeEnvironment:
 
         return "\n".join(parts)
 
+    def node_entity_fields(self, node_id: str) -> dict[str, str]:
+        """返回节点 card 的实体/画面文字字段原文。
+
+        供 dispatcher 在按题摘要后确定性追加，防止 LLM 摘要吞掉
+        entities/visible_text 信号（benchmark 错题 M1 恶化因素）。
+
+        参数:
+            node_id: 节点 ID。
+
+        返回:
+            {"实体": "...", "画面文字": "..."}，空字段不含对应键。
+
+        异常:
+            KeyError: 节点不存在。
+        """
+        node = self._id_to_node.get(node_id)
+        if node is None:
+            raise KeyError(f"节点不存在: {node_id}")
+        level = _node_level(node)
+        out: dict[str, str] = {}
+
+        entity_values: list[str] = []
+        for field_name in _ENTITY_FIELDS_BY_LEVEL[level]:
+            for value in getattr(node.card, field_name) or []:
+                if isinstance(value, str) and value.strip():
+                    entity_values.append(value.strip())
+        if entity_values:
+            out["实体"] = "; ".join(dict.fromkeys(entity_values))
+
+        text_values = [
+            v.strip()
+            for v in (getattr(node.card, "visible_text", None) or [])
+            if isinstance(v, str) and v.strip()
+        ]
+        if text_values:
+            out["画面文字"] = "; ".join(dict.fromkeys(text_values))
+        return out
+
     def search_similar(
         self,
         query: str,