feat(api): 访谈人格/回复长度策略、口述归一、背景语气与输入净稿全链路

Chat 访谈
- 新增 persona 系统（default / warm_listener / curious_guide）与 background_voice 语气层
- 回复长度由 compute_reply_plan 统一决策（brief / standard / expanded），融合信息密度启发式
- 输入净稿（input_normalize）：编排层可选 rules/llm 归一用户口语后再喂模型与记忆检索
- 记忆证据注入：按用户话检索 memory evidence 并注入 prompt

Memoir 回忆录
- 口述归一（oral_normalize）：segment 原文保留，story 管线取派生净稿作叙事输入
- segment 入队批次门闸：累计字数 + 最长等待秒数，减少零碎提交
- fidelity_check / prompts / narrative_agent 微调
- Alembic 0005：清理跨章节 story 外键

Infra
- Dockerfile 加入 ffmpeg
- pyproject.toml 新增依赖并同步 uv.lock
- .env.example / .env.production 补全新配置项

Tests
- 新增 test_background_voice、test_chat_input_normalize、test_experience_regressions
- 扩展 test_interview_prompts、test_interview_reply_length、test_story_route_oral_invariant

Made-with: Cursor

api/app/core/config.py

@@ -54,20 +54,55 @@ class Settings(BaseSettings):
     embedding_base_url: str = "https://open.bigmodel.cn/api/paas/v4"
     embedding_model: str = "embedding-3"
 
-    # ── Chat 访谈（短回复：token 上限 + 代码截断，见 reply_limits）──
-    chat_interview_max_tokens: int = 320
+    # ── Chat 访谈（token 上限 + 代码截断，见 reply_limits）──
+    chat_interview_max_tokens: int = 380
     chat_interview_max_segments: int = 2
-    chat_interview_max_chars_per_segment: int = 220
+    chat_interview_max_chars_per_segment: int = 260
+    # 访谈：用户本轮极短输入时的更紧上限（见 interview_reply_length）
+    chat_interview_brief_max_tokens: int = Field(default=260, ge=64, le=2048)
+    chat_interview_brief_max_chars_per_segment: int = Field(default=200, ge=32, le=2000)
+    # 访谈：有新细节/情绪/长段时的展开上限
+    chat_interview_expanded_max_tokens: int = Field(default=520, ge=64, le=4096)
+    chat_interview_expanded_max_chars_per_segment: int = Field(
+        default=380, ge=32, le=4000
+    )
+    # 干部/军队推断命中时，standard 档在分桶基础上小幅放宽（brief/expanded 不变）
+    chat_interview_cadre_military_standard_extra_tokens: int = Field(
+        default=40, ge=0, le=512
+    )
+    chat_interview_cadre_military_standard_extra_chars: int = Field(
+        default=40, ge=0, le=2000
+    )
     chat_opening_max_tokens: int = 256
     chat_profile_followup_max_tokens: int = 280
     chat_era_context_enabled: bool = True
     # 访谈：每轮用 LLM 判定用户主人生阶段并更新 MemoirState.current_stage；False 时仅用关键词
     chat_stage_detection_enabled: bool = True
     chat_stage_detection_max_tokens: int = 128
+    # 访谈性格：default | warm_listener | curious_guide（未知值按 default）
+    chat_interview_persona: str = "default"
+    # 访谈：按用户本轮话检索记忆并注入 prompt（关则不调 MemoryService.retrieve）
+    chat_memory_retrieval_enabled: bool = True
+    chat_memory_top_k: int = Field(default=8, ge=1, le=30)
+    chat_memory_evidence_max_chars: int = Field(default=4096, ge=256, le=50_000)
 
     # ── Memoir 叙事忠实度检查（FidelityCheckAgent）────────────────
     memoir_fidelity_check_enabled: bool = True
     memoir_fidelity_check_max_tokens: int = 512
+    # 口述归一（进入叙事 / 忠实度前；segment 原文不落库）：off | rules | llm
+    memoir_oral_normalize_enabled: bool = True
+    memoir_oral_normalize_mode: str = "rules"
+    memoir_oral_normalize_llm_max_tokens: int = Field(default=512, ge=64, le=4096)
+    memoir_oral_normalize_llm_max_input_chars: int = Field(
+        default=8000, ge=64, le=50_000
+    )
+    # 聊天：模型消费净稿（不改变 segment 落库原文）；与 memoir 规则层共用，配置独立
+    chat_input_normalize_enabled: bool = True
+    chat_input_normalize_mode: str = "rules"  # off | rules | llm
+    chat_input_normalize_llm_max_tokens: int = Field(default=512, ge=64, le=4096)
+    chat_input_normalize_llm_max_input_chars: int = Field(
+        default=8000, ge=64, le=50_000
+    )
 
     # ── ASR ───────────────────────────────────────────────────
     asr_provider: str = "whisper"
@@ -163,9 +198,15 @@ class Settings(BaseSettings):
     evidence_top_k_default: int = Field(default=10, ge=1, le=50)
     evidence_top_k_large_batch: int = Field(default=5, ge=1, le=50)
     evidence_large_batch_threshold: int = Field(default=3, ge=1, le=100)
-    # 叙事输出相对口述过短则回退为口述原文（比例与下限）
-    memoir_narrative_fallback_body_ratio: float = 0.5
-    memoir_narrative_fallback_min_chars: int = 20
+    # 叙事输出相对口述极端过短才回退（仅防极端压缩；0.3 = 模型输出不到口述 30% 才触发）
+    memoir_narrative_fallback_body_ratio: float = 0.3
+    memoir_narrative_fallback_min_chars: int = 15
+    # 回忆录 Celery：累计 strip 后口述字数未达此值则暂缓提交（0=关闭，仅防抖后提交）
+    memoir_segment_batch_min_chars: int = Field(default=50, ge=0, le=50_000)
+    # 本批首条 segment 入队起最长等待（秒），超时则提交（即使字数不足）
+    memoir_segment_batch_max_wait_seconds: float = Field(
+        default=60.0, ge=0.0, le=3600.0
+    )
 
     # ── Memory 检索与富化 ─────────────────────────────────────
     # True：query 为空时仍返回 rolling 摘要 + 最近事实/时间线（无 chunk FTS）