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/tests/test_classification_fragment.py

@@ -30,9 +30,9 @@ def test_looks_like_fragment_only(text: str, expected_fragment: bool) -> None:
 
 def test_classify_maps_birth_year_fragment_to_summary_without_llm() -> None:
     agent = ClassificationAgent()
-    assert (
-        agent.classify("1999年出生", fallback_stage="childhood", llm=None) == "summary"
-    )
+    result = agent.classify("1999年出生", fallback_stage="childhood", llm=None)
+    assert result.category == "summary"
+    assert result.llm_said_none is False
 
 
 @pytest.mark.parametrize(
@@ -55,4 +55,5 @@ def test_classify_fallback_when_no_llm_and_narrative_snippet() -> None:
         fallback_stage="childhood",
         llm=None,
     )
-    assert out == "education"
+    assert out.category == "education"
+    assert out.llm_said_none is False