feat(planner): 重构动作决策逻辑与参数提取机制

本次提交对动作规划器（Planner）和动作（Action）的执行流程进行了重大重构，旨在提高决策的准确性和可靠性，使机器人能更精确地响应用户指令。

核心变更:
- **决策与参数提取分离**: 规划器（Planner）现在专注于根据用户意图选择最合适的动作，不再负责提取动作参数。
- **动作参数自解析**: `RemindAction` 等动作现在通过内部调用 LLM，从用户消息中自行解析所需参数，使其更加独立和健壮。
- **优化决策Prompt**: 引入“最高优先级检查”和“互斥原则”，强制优先执行由明确意图触发的特定动作（如 `set_reminder`），并在此情况下禁止选择 `reply`，避免重复响应。
- **增强调试**: 在处理循环中增加了日志，以清晰地记录LLM最终选择的动作组合，方便调试。

src/chat/chat_loop/cycle_processor.py

@@ -205,6 +205,13 @@ class CycleProcessor:
             raise UserWarning(f"插件{result.get_summary().get('stopped_handlers', '')}于规划前中断了内容生成")
         with Timer("规划器", cycle_timers):
             actions, _ = await self.action_planner.plan(mode=mode)
+            
+        # 在这里添加日志，清晰地显示最终选择的动作
+        if actions:
+            chosen_actions = [a.get("action_type", "unknown") for a in actions]
+            logger.info(f"{self.log_prefix} LLM最终选择的动作: {chosen_actions}")
+        else:
+            logger.info(f"{self.log_prefix} LLM最终没有选择任何动作")
         
         async def execute_action(action_info):
             """执行单个动作的通用函数"""