fix: AIPlanner에서 GLM 모델 버전 변경 및 JSON 응답 처리 개선

- GLM 모델 버전을 "GLM-4.7"에서 "GLM-4.5-Air"로 변경
- JSON 응답 처리 시, 재시도 시 max_tokens 및 temperature 조정 로직 추가하여 JSON 포맷 준수율 향상
- README.md에 변경 사항 반영

ai_planner.py

@@ -22,7 +22,7 @@ import traceback
 
 
 GLM_API_URL = "https://api.z.ai/api/coding/paas/v4/chat/completions"
-GLM_MODEL   = "GLM-4.7"
+GLM_MODEL   = "GLM-4.5-Air"
 
 
 SYSTEM_PROMPT = """당신은 팩토리오 게임을 순수하게 플레이하는 AI 에이전트입니다.
@@ -355,9 +355,21 @@ class AIPlanner:
     def _call_glm(self, user_message: str, attempt: int) -> str:
         # attempt가 올라갈수록 "분석 텍스트"가 길어지면서 JSON이 잘리는 패턴이 있어
         # retry에서는 출력 길이를 줄인다.
+        repair_mode = "JSON 요구사항을 위반했습니다" in user_message or "응답의 첫 비공백 문자는 반드시" in user_message
+
         base_max_tokens = int(os.environ.get("GLM_MAX_TOKENS", "2000"))
         retry_max_tokens = int(os.environ.get("GLM_RETRY_MAX_TOKENS", "900"))
-        max_tokens = base_max_tokens if attempt == 0 else min(base_max_tokens, retry_max_tokens)
+        repair_max_tokens = int(os.environ.get("GLM_REPAIR_MAX_TOKENS", "600"))
+
+        if repair_mode:
+            max_tokens = repair_max_tokens
+        else:
+            max_tokens = base_max_tokens if attempt == 0 else min(base_max_tokens, retry_max_tokens)
+
+        temperature = 0.3
+        if repair_mode:
+            # JSON 포맷 준수율을 높이기 위해 변동성을 낮춘다.
+            temperature = float(os.environ.get("GLM_REPAIR_TEMPERATURE", "0.1"))
 
         payload = json.dumps({
             "model":       GLM_MODEL,
@@ -365,7 +377,7 @@ class AIPlanner:
                 {"role": "system", "content": SYSTEM_PROMPT},
                 {"role": "user",   "content": user_message},
             ],
-            "temperature": 0.3,
+            "temperature": temperature,
             "max_tokens":  max_tokens,
         }).encode("utf-8")