feat: GLM 응답에서 assistant 텍스트 추출 로직 개선 및 관련 경고 메시지 추가

- GLM 응답의 content가 비어있을 경우 reasoning_content를 대신 사용하도록 로직 개선
- 새로운 메서드 _extract_glm_assistant_text 추가하여 assistant 텍스트 추출을 명확히 함
- 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.
+- `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`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

@@ -312,19 +312,15 @@ class AIPlanner:
 
             t_json0 = time.perf_counter()
             data = json.loads(raw_text)
-            content = data["choices"][0]["message"]["content"].strip()
-            if not content:
-                # content가 비어있으면 이후 JSON 파서가 원인 파악이 어렵다.
-                # GLM_DEBUG=1에서 raw 응답 일부를 함께 보여준다.
-                if _glm_debug_enabled():
-                    finish_reason = data.get("choices", [{}])[0].get("finish_reason")
-                    print(
-                        "[경고] GLM 응답 content 비어있음 | "
-                        f"finish_reason={finish_reason!r} | "
-                        f"raw_preview={raw_text[:600]!r}"
-                    )
-                else:
-                    print("[경고] GLM 응답 content가 비어있습니다. (GLM_DEBUG=1 시 raw_preview 출력)")
+            content = self._extract_glm_assistant_text(data).strip()
+            if not content and _glm_debug_enabled():
+                # content가 비어있으면 아래 파서에서 원인 추적이 어려워지므로 raw 일부를 남긴다.
+                finish_reason = data.get("choices", [{}])[0].get("finish_reason")
+                print(
+                    "[경고] GLM 응답 assistant text 비어있음 | "
+                    f"finish_reason={finish_reason!r} | "
+                    f"raw_preview={raw_text[:600]!r}"
+                )
             t_json_done = time.perf_counter()
 
             dt_total = time.perf_counter() - t_total0
@@ -354,6 +350,35 @@ class AIPlanner:
                 f"GLM API HTTP {e.code}: {body[:1200]}"
             ) from e
 
+    @staticmethod
+    def _extract_glm_assistant_text(data: dict) -> str:
+        """
+        GLM 응답에서 사용자가 기대하는 assistant 텍스트를 뽑는다.
+
+        관찰 케이스:
+        - finish_reason='length' 인데 message.content가 ''로 오고,
+          message.reasoning_content에 실제 출력(JSON)이 포함되는 패턴이 있다.
+        """
+        choices = data.get("choices") if isinstance(data, dict) else None
+        if not choices or not isinstance(choices, list):
+            return ""
+        choice0 = choices[0] if choices else {}
+        if not isinstance(choice0, dict):
+            return ""
+        msg = choice0.get("message", {})
+        if not isinstance(msg, dict):
+            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 ""
+
     def _parse_json(self, raw: str) -> dict:
         text = raw.strip()
         if "<think>" in text:

tests/test_ai_planner_parse_json.py

@@ -38,3 +38,19 @@ class TestAIPlannerParseJson(unittest.TestCase):
         self.assertEqual(len(plan["actions"]), 1)
         self.assertEqual(plan["actions"][0]["action"], "explore")
 
+    def test_extract_glm_text_prefers_content_then_reasoning(self):
+        # content가 비어있고 reasoning_content에 JSON이 들어있는 케이스
+        fake = {
+            "choices": [
+                {
+                    "finish_reason": "length",
+                    "message": {
+                        "content": "",
+                        "reasoning_content": '{"thinking":"t","current_goal":"g","actions":[],"after_this":"a"}',
+                    },
+                }
+            ]
+        }
+        extracted = self.planner._extract_glm_assistant_text(fake)
+        self.assertIn('"current_goal":"g"', extracted)
+