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/features/memoir/oral_normalize.py

@@ -0,0 +1,92 @@
+"""
+口述归一：在进入叙事与忠实度校验前，对同一段文本做可控预处理（规则 / 可选 LLM）。
+
+不改变 segment 落库原文；仅作为 memoir story 生成路径的派生输入。
+
+规则层与聊天侧共用 `apply_conversation_input_rules`（见 conversation.input_normalize）。
+"""
+
+from __future__ import annotations
+
+import json
+from typing import Any
+
+from app.core.config import settings
+from app.core.langchain_llm import invoke_json_object
+from app.core.logging import get_logger
+from app.features.conversation.input_normalize import apply_conversation_input_rules
+from app.features.memoir.memoir_images.json_payload import extract_json_payload
+
+logger = get_logger(__name__)
+
+
+def apply_oral_normalization_rules(text: str) -> str:
+    """确定性规则；与 `apply_conversation_input_rules` 等价（memoir 历史名保留）。"""
+    return apply_conversation_input_rules(text)
+
+
+def _llm_normalize_oral(text: str, llm: Any) -> str | None:
+    """仅修正明显错字与同音字，不增事实；失败返回 None。"""
+    if not llm or not (text or "").strip():
+        return None
+    max_in = int(settings.memoir_oral_normalize_llm_max_input_chars)
+    t = (text or "").strip()
+    if len(t) > max_in:
+        logger.debug(
+            "event=oral_normalize_llm_skip reason=input_too_long len={} max={}",
+            len(t),
+            max_in,
+        )
+        return None
+    prompt = f"""你是口述转写纠错助手。只修正明显的同音错别字、别字与标点，使句子通顺可读。
+禁止增加事实、不补充细节、不摘要、不改写句式风格；不得新增人名、地名、数字、事件。
+若原文已通顺或无法确定错误，则照抄输入。
+
+【用户口述】
+{t}
+
+**JSON 输出**：只输出一个合法 JSON 对象。
+{{"normalized_text": "纠错后的完整文本（与输入等意，仅修错字与标点）"}}
+
+只输出 JSON，不要其它文字。"""
+    try:
+        raw = invoke_json_object(
+            llm,
+            prompt,
+            max_tokens=int(settings.memoir_oral_normalize_llm_max_tokens),
+            agent="oral_normalize.llm",
+        )
+        data = json.loads(extract_json_payload(raw))
+        if not isinstance(data, dict):
+            return None
+        out = (data.get("normalized_text") or "").strip()
+        if not out:
+            return None
+        return out
+    except Exception as e:
+        logger.warning("oral_normalize LLM 失败，回退规则结果: {}", e)
+        return None
+
+
+def normalize_oral_for_memoir(text: str, *, llm: Any | None = None) -> str:
+    """
+    供 story pipeline 单一出口：叙事与忠实度使用同一返回值。
+
+    - off / 全局关闭：原文
+    - rules：仅规则
+    - rules + LLM 分支：先规则，再（可选）LLM；LLM 失败则保留规则结果
+    """
+    if not settings.memoir_oral_normalize_enabled:
+        return text or ""
+    mode = (settings.memoir_oral_normalize_mode or "rules").strip().lower()
+    if mode == "off":
+        return text or ""
+
+    base = apply_oral_normalization_rules(text or "")
+    if mode != "llm":
+        return base
+
+    refined = _llm_normalize_oral(base, llm)
+    if refined is not None:
+        return refined
+    return base