feat: 인벤토리 캐시 및 JSON 인코더 추가

- 인벤토리 캐시 기능을 추가하여, RCON으로 인벤토리를 읽지 못할 경우 이전에 성공적으로 읽은 데이터를 활용
- Lua에서 JSON 인코딩을 위한 간단한 함수 추가, 일부 Factorio 버전에서 `game.table_to_json`이 없을 경우 대체
- `README.md`에 인벤토리 캐시 및 JSON 인코더 사용에 대한 설명 추가
- `scan_resources()`와 `mine_resource`의 반경을 확장하여 자원 탐색 실패를 줄임

ai_planner.py

@@ -15,6 +15,7 @@ JSON 파싱 강화:
 import json
 import os
 import re
+import time
 import urllib.request
 import urllib.error
 
@@ -145,7 +146,7 @@ class AIPlanner:
 
         for attempt in range(3):
             try:
-                raw = self._call_glm(user_message)
+                raw = self._call_glm(user_message, attempt=attempt)
                 plan = self._parse_json(raw)
                 break
             except (ValueError, json.JSONDecodeError) as e:
@@ -164,13 +165,13 @@ class AIPlanner:
 
         thinking = plan.get("thinking", "")
         if thinking:
-            print(f"\n🧠 AI 판단:\n{thinking}\n")
+            print(f"\n[AI] 판단:\n{thinking}\n")
 
-        print(f"🎯 현재 목표: {plan.get('current_goal', '')}")
-        print(f"📋 완료 후:   {plan.get('after_this', '')}")
+        print(f"[AI] 현재 목표: {plan.get('current_goal', '')}")
+        print(f"[AI] 완료 후:   {plan.get('after_this', '')}")
 
         actions = plan.get("actions", [])
-        print(f"⚡ {len(actions)}개 행동 계획됨")
+        print(f"[AI] {len(actions)}개 행동 계획됨")
         return actions
 
     def record_feedback(self, action: dict, success: bool, message: str = ""):
@@ -188,7 +189,7 @@ class AIPlanner:
             return ""
         lines = ["### 이전 행동 결과 (성공/실패)\n"]
         for fb in self.feedback_log[-8:]:
-            status = "✅" if fb["success"] else "❌"
+            status = "OK" if fb["success"] else "FAIL"
             msg    = f" — {fb['message']}" if fb["message"] else ""
             lines.append(
                 f"  {status} {fb['action']} "
@@ -196,7 +197,7 @@ class AIPlanner:
             )
         return "\n".join(lines) + "\n\n"
 
-    def _call_glm(self, user_message: str) -> str:
+    def _call_glm(self, user_message: str, attempt: int) -> str:
         payload = json.dumps({
             "model":       GLM_MODEL,
             "messages":    [
@@ -207,6 +208,10 @@ class AIPlanner:
             "max_tokens":  2000,
         }).encode("utf-8")
 
+        prompt_chars = len(user_message)
+        system_chars = len(SYSTEM_PROMPT)
+        max_tokens = 2000
+
         req = urllib.request.Request(
             GLM_API_URL,
             data    = payload,
@@ -217,9 +222,36 @@ class AIPlanner:
             method = "POST",
         )
         try:
+            t_total0 = time.perf_counter()
+            t_payload0 = time.perf_counter()
+            # payload 직렬화 직후(대략)부터 타임라인 측정
+            _t0 = time.perf_counter()
             with urllib.request.urlopen(req, timeout=90) as resp:
-                data = json.loads(resp.read().decode("utf-8"))
-                return data["choices"][0]["message"]["content"].strip()
+                raw_text = resp.read().decode("utf-8")
+                t_read_done = time.perf_counter()
+
+            t_json0 = time.perf_counter()
+            data = json.loads(raw_text)
+            content = data["choices"][0]["message"]["content"].strip()
+            t_json_done = time.perf_counter()
+
+            dt_total = time.perf_counter() - t_total0
+            dt_payload = t_payload0 - t_total0
+            dt_read = t_read_done - _t0
+            dt_json = t_json_done - t_json0
+
+            print(
+                "[GLM] 타이밍 | "
+                f"attempt {attempt+1}/3 | "
+                f"total {dt_total:.2f}s | "
+                f"http_read {dt_read:.2f}s | "
+                f"json_parse {dt_json:.2f}s | "
+                f"prompt_chars {prompt_chars} | "
+                f"system_chars {system_chars} | "
+                f"max_tokens {max_tokens} | "
+                f"resp_chars {len(raw_text)}"
+            )
+            return content
         except urllib.error.HTTPError as e:
             raise ConnectionError(f"GLM API 오류 {e.code}: {e.read().decode()}")