使generator能够自定义是否切句或者生成错字

跨越了三份文件的参数传递（（

src/chat/replyer/default_generator.py

@@ -162,6 +162,8 @@ class DefaultReplyer:
     async def generate_reply_with_context(
         self,
         reply_data: Dict[str, Any],
+        enable_splitter: bool=True,
+        enable_chinese_typo: bool=True
     ) -> Tuple[bool, Optional[List[str]]]:
         """
         回复器 (Replier): 核心逻辑，负责生成回复文本。
@@ -191,7 +193,7 @@ class DefaultReplyer:
                 logger.error(f"{self.log_prefix}LLM 生成失败: {llm_e}")
                 return False, None  # LLM 调用失败则无法生成回复
 
-            processed_response = process_llm_response(content)
+            processed_response = process_llm_response(content,enable_splitter,enable_chinese_typo)
 
             # 5. 处理 LLM 响应
             if not content:
@@ -216,6 +218,8 @@ class DefaultReplyer:
     async def rewrite_reply_with_context(
         self,
         reply_data: Dict[str, Any],
+        enable_splitter: bool=True,
+        enable_chinese_typo: bool=True
     ) -> Tuple[bool, Optional[List[str]]]:
         """
         表达器 (Expressor): 核心逻辑，负责生成回复文本。
@@ -252,7 +256,7 @@ class DefaultReplyer:
                 logger.error(f"{self.log_prefix}LLM 生成失败: {llm_e}")
                 return False, None  # LLM 调用失败则无法生成回复
 
-            processed_response = process_llm_response(content)
+            processed_response = process_llm_response(content,enable_splitter,enable_chinese_typo)
 
             # 5. 处理 LLM 响应
             if not content: