refactor(profile,llm): 提高用户资料的准确性和系统的稳健性。本次提交引入了多项针对用户资料管理和大语言模型交互的优化，目标是实现更高的准确性、更严格的数据验证以及提升系统可靠性。

- **用户资料管理（`user_profile_tool.py`）：**
  - `UserProfileTool` 的描述进行了大幅更新，明确定义了严格的使用场景和绝对禁止的行为，防止误用。
  - 对 `preference_keywords` 和 `key_info` 的值实施了更严格的过滤，确保只记录具体、客观的事实和真实兴趣。
  - 减少了用于上下文的最近聊天消息数量，以更关注相关性更高的近期交互。
  - 修改了好感度计算逻辑，使其更加保守，不容易因日常小互动而改变，需要更有意义的交流才会产生变化。
  - 印象生成提示已更新，严格禁止猜测。
  并强调记录事实观察到的特征。- **关系信息显示（`relationship_fetcher.py`）：** - 通过过滤掉一般交互术语来增强用户偏好显示，仅展示真实的爱好和兴趣。- 暂时注释了“关键事实”的显示，以防呈现潜在不准确或推测性的信息。- **大型语言模型交互稳定性（`base_action.py`）：** - 在 `should_activate` 方法中引入了 7 秒超时的 LLM 判断调用。- 如果 LLM 判断超时，动作现在默认为“激活”，以防止系统阻塞并确保持续运行。

src/plugin_system/base/base_action.py

@@ -838,11 +838,20 @@ class BaseAction(ABC):
 只需要回答"是"或"否"，不要有其他内容。
 """
 
-            # 调用 LLM 进行判断
-            response, _ = await llm_judge_model.generate_response_async(prompt=prompt)
-            response = response.strip().lower()
-
-            should_activate = "是" in response or "yes" in response or "true" in response
+            # 调用 LLM 进行判断，设置7秒超时避免长时间等待
+            import asyncio
+            response = ""  # 初始化response变量
+            try:
+                response, _ = await asyncio.wait_for(
+                    llm_judge_model.generate_response_async(prompt=prompt),
+                    timeout=7.0
+                )
+                response = response.strip().lower()
+                should_activate = "是" in response or "yes" in response or "true" in response
+            except asyncio.TimeoutError:
+                logger.warning(f"{self.log_prefix} LLM 判断激活超时（7秒），默认激活以避免阻塞")
+                # 超时时默认激活，交给后续决策系统处理
+                should_activate = True
 
             logger.debug(
                 f"{self.log_prefix} LLM 判断结果: 响应='{response}', 结果={'激活' if should_activate else '不激活'}"