开发日志 005：将策略模块改为建议式决策引擎

为什么要取消“策略强制执行”

先前的策略评分能提升对局方向感，但如果规则模块直接替模型选目标，AI 容易变成外观很像智能体的脚本。本阶段将策略层改为建议式：它负责准备局势、记忆和可选方案，最终行动仍由模型在规则约束内作出。

结构化上下文与持久化记忆

系统将当前局面整理为结构化的 WerewolfSituation，只包含角色可见的事实、公开声明和可由此导出的推断。战略记忆按公开、私有和阵营维度持久化，并记录版本；策略卡根据角色、阶段和局势检索数个备选方向，而不替模型锁定唯一答案。

每次模型先输出 ACTION JSON，再经过容错解析和一次格式修复。若仍不可用，则由引擎枚举中性合法动作。只有被引擎接受的行动才会更新记忆，拒绝、过期或格式错误的决策不会污染下一轮上下文。

风险和质量改为“提醒”

风险模块只指出可能值得重新考虑的矛盾或局势变化；发言质量模块检查硬性事实错误，并将重复、冗长等软指标作为改进建议。它们不再替代模型做策略选择，既保留了 AI 的自主性，也保持了规则的可验证性。

阶段结果

开发记录中的验收结果显示：重点狼人杀测试通过 129 项，完整后端测试通过 414 项并跳过 1 项，前端构建成功；种子化 8 人对局完成了 69 次有效决策，且重启后记忆可恢复、错误动作不会写入记忆。建议式架构由此成为平台的稳定决策边界。