feat: AIPlanner의 GLM 응답 처리 로직 개선

- content가 비어있거나 JSON 형태가 아닐 경우 reasoning_content를 우선 사용하도록 로직 개선
- JSON 유사성을 판단하는 헬퍼 함수 추가 및 기존 동작 유지
- 관련 단위 테스트 추가 및 README.md에 변경 사항 반영

README.md

@@ -143,7 +143,7 @@ planner.set_goal(
 - 순수 플레이이므로 **걷기, 채굴, 제작에 실제 시간이 소요**됩니다
 - AI가 "move 먼저 → 작업" 패턴을 학습하도록 프롬프트가 설계되어 있습니다
 - `agent_log.jsonl`에 모든 행동과 타임스탬프가 기록됩니다
-- `ai_planner.py`는 GLM 응답이 잘리거나(중괄호/대괄호 불일치) 마크다운이 섞여도 JSON 파싱을 복구하도록 `{} / []` 균형 추적과 보정 로직을 사용합니다. 또한 최상위에서 JSON 배열(`[...]`)로 답하는 경우도 `actions`로 래핑해 처리합니다. (추가) `finish_reason=length` 등으로 `message.content`가 비는 경우에는 `message.reasoning_content`를 대신 사용합니다.
+- `ai_planner.py`는 GLM 응답이 잘리거나(중괄호/대괄호 불일치) 마크다운이 섞여도 JSON 파싱을 복구하도록 `{} / []` 균형 추적과 보정 로직을 사용합니다. 또한 최상위에서 JSON 배열(`[...]`)로 답하는 경우도 `actions`로 래핑해 처리합니다. (추가) `finish_reason=length` 등으로 `message.content`가 비거나(또는 JSON 형태가 아니면) `message.reasoning_content`를 우선 사용합니다.
 - `ai_planner.py`의 `AIPlanner.decide()`는 `TimeoutError`/`ConnectionError`/`urllib.error.URLError` 같은 GLM HTTP 지연/연결 오류도 3회 재시도한 뒤, **상태 요약에 나온 광맥(앵커) 좌표가 있으면 `mine_resource`(먼 경우 `move` 후 채굴)로 폴백**하고, 광맥 정보가 없을 때만 `explore` 방향을 순환하며 탐색합니다(동일 방향 탐색 루프 완화).
 - GLM HTTP 읽기 제한 시간은 기본 120초이며, `GLM_HTTP_TIMEOUT_SECONDS`로 조정할 수 있습니다. 광맥은 플레이어와 200타일 이상 떨어진 경우에만 폴백에서 `move`를 끼우며, 임계값은 `GLM_FALLBACK_MOVE_THRESHOLD`(기본 200)로 바꿀 수 있습니다.
 - `ai_planner.py`의 `_call_glm()`에서 GLM 지연 원인 분석을 위한 타이밍 로그가 출력됩니다.

ai_planner.py

@@ -370,14 +370,35 @@ class AIPlanner:
             return ""
 
         content = msg.get("content") or ""
-        if isinstance(content, str) and content.strip():
-            return content
-
         reasoning = msg.get("reasoning_content") or ""
-        if isinstance(reasoning, str):
-            return reasoning
 
-        return ""
+        if not isinstance(content, str):
+            content = ""
+        if not isinstance(reasoning, str):
+            reasoning = ""
+
+        # Heuristic:
+        # - 모델이 "JSON만 반환"을 어기면 content에 분석/설명 텍스트가 들어올 수 있음.
+        # - 그 경우 reasoning_content 쪽에 실제 JSON이 들어있는 패턴을 우선 복구한다.
+        def looks_like_json(s: str) -> bool:
+            if not s:
+                return False
+            if '"actions"' in s or '"current_goal"' in s:
+                return True
+            # 최소 토큰 기반 (finish_reason=length에서 특히 reasoning에 JSON이 들어오는 케이스)
+            return ("{" in s) or ("[" in s)
+
+        content_stripped = content.strip()
+        reasoning_stripped = reasoning.strip()
+
+        if looks_like_json(content_stripped):
+            return content_stripped
+        if looks_like_json(reasoning_stripped):
+            return reasoning_stripped
+        # 둘 다 JSON처럼 보이지 않더라도, content가 있으면 먼저 반환(기존 동작 유지)
+        if content_stripped:
+            return content_stripped
+        return reasoning_stripped
 
     def _parse_json(self, raw: str) -> dict:
         text = raw.strip()

tests/test_ai_planner_parse_json.py

@@ -54,3 +54,18 @@ class TestAIPlannerParseJson(unittest.TestCase):
         extracted = self.planner._extract_glm_assistant_text(fake)
         self.assertIn('"current_goal":"g"', extracted)
 
+    def test_extract_glm_text_uses_reasoning_when_content_has_no_json(self):
+        fake = {
+            "choices": [
+                {
+                    "finish_reason": "length",
+                    "message": {
+                        "content": "1. **Current State Analysis:**\n- Location: (0, 0)\n- Inventory: {...}",
+                        "reasoning_content": '{"thinking":"t","current_goal":"g","actions":[{"action":"explore","params":{"direction":"east","max_steps":1},"reason":"x"}],"after_this":"a"}',
+                    },
+                }
+            ]
+        }
+        extracted = self.planner._extract_glm_assistant_text(fake)
+        self.assertIn('"current_goal":"g"', extracted)
+