feat(chat): 实现 focus_energy 的实时更新与同步机制

为了解决 `focus_energy` 更新不及时，导致其无法准确反映当前对话兴趣度的问题，本次提交引入了一套新的实时更新与同步机制。

这确保了每当消息的兴趣度发生变化时，代表机器人注意力的 `focus_energy` 也能被立即重新计算和更新，使决策更加精准。

主要变更：
1.  **手动更新**: 在 `ChatStream` 中新增 `update_focus_energy` 方法，允许外部逻辑在需要时手动触发 `focus_energy` 的重新计算。
2.  **实时计算**: `ChatterActionPlanner` 在评估并更新消息兴趣度后，会立即调用 `update_focus_energy`，确保了兴趣度到注意力的即时传导。
3.  **状态同步**: `ChatterManager` 在完成一次执行后，会主动将 `mood_manager` 中可能已更新的 `chat_stream` 同步回当前的 `StreamContext`，保证了整个处理流中数据的一致性。

src/plugins/built_in/affinity_flow_chatter/planner.py

@@ -136,6 +136,14 @@ class ChatterActionPlanner:
                         chat_mood = mood_manager.get_mood_by_chat_id(self.chat_id)
                         await chat_mood.update_mood_by_message(latest_message, score)
                         logger.debug(f"已更新聊天 {self.chat_id} 的情绪状态，兴趣度: {score:.3f}")
+                    elif latest_message:
+                        # 即使不更新情绪状态，也要更新ChatStream的兴趣度数据
+                        chat_mood = mood_manager.get_mood_by_chat_id(self.chat_id)
+                        if hasattr(chat_mood, 'chat_stream') and chat_mood.chat_stream:
+                            chat_mood.chat_stream.add_message_interest(score)
+                            # 在这里同步更新 focus_energy
+                            chat_mood.chat_stream.update_focus_energy()
+                            logger.debug(f"已更新聊天 {self.chat_id} 的ChatStream兴趣度和Focus Energy，分数: {score:.3f}")
 
             # base_threshold = self.interest_scoring.reply_threshold
             # 检查兴趣度是否达到非回复动作阈值