结论先说
如果你要走你选的这条路：

先让模型做“本轮重点判断”，再生成回复

那这不是只修一个点，而是在修仓库里一个更普遍的反模式：

系统过早承诺 micro-decisions，模型只能在被预分配好的轨道里写答案。

这个反模式在你们的 chat 链路里确实存在多处。

一类：和这次问题本质相同
1. interview_turn_plan.py
这是最典型的同类问题。

它先把复杂语义压成 3 个 mode：

emotion_first
memoir_push
follow_user_only
然后再进一步规定：

要不要问
最多几个问句
是否必须问
问句必须挂哪类锚点
这里不是在“给模型方向”，而是在替模型做回合级编排决定。


interview_turn_plan.py
Lines 157-170
def plan_interview_turn(
    *,
    current_stage: str,
    empty_slots: list[str],
    normalized_user_message: str,
    memory_evidence_text: str,
    stage_switched_this_turn: bool,
) -> InterviewTurnPlan:
    """
    粗规则（可迭代）：
    - 情绪浓：先共情，不强推叙述槽搜集问。
    - 刚切换人生阶段：跟着用户节奏，不做「新阶段问卷首开」。
    - 当前阶段无空槽：深度跟进，不重启盘点。
    - 默认：memoir_push，锁一个主槽 + 挂钩摘录。
    """

interview_turn_plan.py
Lines 288-290
- **回忆推进（memoir_push）**：对用户可见回复中须有**恰好一个**开放式回忆追问，
  且意图明显在补足下面「主追问方向」；问句必须挂住**挂钩摘录**或**用户本轮原词**（二者至少其一）。
这和你指出的问题是同一种：
模型还没理解“这轮到底最重要的是什么”，系统已经先替它决定“这轮应该长成什么样”。

2. prompt_layers.py
这里是第二个高危点，而且和上面叠加。

它不只是给高层原则，而是在定义很多具体动作脚本，比如：

连续两轮没问，这轮必须问
问句最多一个
情绪重也不能连续三轮不问
更偏好从体感和画面往下长

prompt_layers.py
Lines 242-243
- **追问义务回正（防多轮零问）**：通读**近期你方（助手）的连续回复**：若已**连续两轮**都没有任何问句...则本轮**必须在**短承接之后给出**恰好一条**带锚的开放式问...
- **纯跑题 ≠ 情绪红灯**：若用户本轮**几乎只有**寒暄、天气、泛泛近况、社交客气，而**没有**人生经历实质——**不适用**「整轮只陪不问」...
这是同类问题，因为它把“什么时候该追、什么时候该停、什么时候该纯承接”写成了比较硬的流程规则。
这种规则不是安全边界，而是对中间思考过程的强干预。

3. orchestrator.py 的 scene_cues
这也是同类问题，只是形式不同。

系统在正式生成前，先偷偷把“场景氛围提示”塞进 context：


orchestrator.py
Lines 296-300
scene_cues = extract_scene_cues(normalized_user_message)
if scene_cues:
    cue_block = "\n".join(f"- {c}" for c in scene_cues)
    scene_hint = f"\n\n[场景氛围提示——可借用这些感官细节自然接话，不要原样抄]\n{cue_block}"
    memory_evidence_text = (memory_evidence_text or "") + scene_hint
这本质上也是“替模型预判重点”，而且还是单边偏置。
系统没有同等强度的 relationship_cues / identity_cues，却有 scene_cues 特权通道。

所以如果你上“先让模型判断重点”的方案，这里几乎一定也要一起收口。

4. reply_planner.py
这个文件很有意思。
它其实已经是一个“两阶段生成”的雏形了，但目前它做得太窄，没有判断本轮重点，只是在微调几个受限字段：

memory_usage
reply_shape
memory_reference_style

reply_planner.py
Lines 57-94
def _build_reply_planner_prompt(
    *,
    plan: InterviewTurnPlan,
    user_message_preview: str,
    memory_evidence_preview: str,
) -> str:
    ...
    ## 当前规则基线（已由服务端算出，通常应尊重）
    - mode: {plan.mode}
    - memory_usage: {plan.memory_usage}
    - reply_shape: {plan.reply_shape}
    ...
这说明你们其实已经有一个很自然的插槽去做你想要的方案 A。
只是现在这个 planner 不是“判断重点”，而是“在既定重点下微调姿势”。
所以它解决不了你说的问题。

二类：有点像，但不是核心病灶
5. interview_agent.py 的重复问句守卫
这里有两层后处理：

apply_duplicate_question_guard
dedupe 失败后再做一次 LLM retry

interview_agent.py
Lines 82-86
out, deduped = apply_duplicate_question_guard(
    out,
    state=memoir_state,
    recent_questions=recent_questions,
)

interview_agent.py
Lines 51-57
上一版模型输出因包含与「最近已问过的问题」或「已确认事实」重复的问句，已被系统弃用。请**重新写一整条回复**：
- 仍须遵守上文全部主规则；
- 先贴着用户本轮原话承接半句到一两句（可有画面感）；
- **禁止**再用与刚才同义、仅换说法的确认型问句；
...
这类逻辑有副作用，但我不会把它视作和你这次 case 完全同级的问题。
原因是它更像“去重护栏”，不是“决定本轮重点”。它可能让模型更难问出正确问题，但它不是主要在替模型定义重点。

我的判断是：它是次级 handcuff，不是主 handcuff。

6. prompts_profile.py 的资料收集 choreography
这个模块里也有比较明确的流程约束：


prompts_profile.py
Lines 132-137
1. **先接住**...
2. **话题优先**...
3. **资料穿插**...
4. **轮换**...
5. 每次最多 **1～2 个**资料相关问点...
这个也有点像“替模型编舞”，但这里我会更宽容。
因为这个任务本身就更窄：

目标明确
信息字段有限
风险主要是漏字段和重复问
所以这里的 choreography 不优雅，但不一定是严重问题。
它不像正式访谈主链那样，直接压扁复杂的人类语义。

三类：不是这类问题，应该保留
7. 自传污染边界 / 禁编造 / memoir fidelity
这些不是 handcuff，而是必要边界。

比如：

不准把用户经历写成助手自己的经历
不准编造未提及的人名、地点、对话
memoir 生成不能越过事实边界
这些属于 safety / fidelity contract，不是“替模型做重点判断”。

所以如果你要上方案 A，我会明确区分：

该放开的，是重点判断与表达路径。
不该放开的，是事实边界与身份边界。

所以，是否“有类似问题”？
我的判断是：

有，而且主要集中在 chat 主回复链路
最明显的同类问题是这 4 个：

api/app/agents/chat/interview_turn_plan.py
api/app/agents/chat/prompt_layers.py
api/app/agents/chat/orchestrator.py
api/app/agents/chat/reply_planner.py（不是坏，但能力位置放错了）
它们共同的问题不是“规则太多”这么简单，而是：

系统在多个地方分别替模型决定“这轮重要什么、怎么组织、该不该问、问什么形状”，导致模型没有真正做一次独立的 salience judgment。

这和你想引入的方案 A，正好是正面冲突的。

如果你选方案 A，哪里最适合承接它
最现实的一点是：
你们已经有一个两阶段接口，就是 reply_planner.py。

但如果要真做“先判断本轮重点，再生成”，我不会把它继续定位成现在这种“reply_shape 微调器”，而会把它升级成：

focus planner / salience planner
它先输出类似这样的隐藏判定：

primary_focus
secondary_focus
why_now
should_ask
candidate_anchor_span
然后正式生成模型再基于这个来写回复。

也就是说，你们不是没地方放这个方案，而是现在已经有一个很接近的位置，只是它做的事太弱、太晚。