docs: 注释规范要求精简可读，并清理生产代码中的历史叙事

AGENTS.md 的注释规范新增三节可执行约束：

- 只写代码真实逻辑：注释只回答"做什么"与"为什么必须这么做"，禁止写决策/
  修改时间、历史版本对比、实测数据与实验结论、事故与缺陷编号（run_xxxx /
  batch_xxxx / R01 等）——这些属 docs/decisions.md 与审查跟踪文件；当前生效
  的约束可以写，但不附带它何时因何变成这样。
- 精简可读：单段连续注释不超过 3 行；docstring 一句话概括职责，不重复函数名
  已表达的信息；不写逐行翻译代码的废话注释，只在非显然处（业务规则、边界、
  易错点、外部约束）加注。
- 覆盖范围：测试注释只说明验证什么行为，回归用例可保留一句溯源；并明确
  参数说明应写在**参数读取处**附近，而不是把多个参数的解释堆在离使用位置
  很远的注释块里。

按此清理生产代码（注释净减 70 行，18 个文件），典型处理：

- nodes/whisper.py：删掉堆在一起、含"用户 2026-08 决定 / 实测 savr-1054"
  等叙事的参数块，把各参数说明移到各自的读取处与 model.transcribe 调用处；
- nodes/llm_filter.py、nodes/subtitle_cleanup.py：模块 docstring 去掉英文
  背景叙事与条数统计，保留"默认只跑规则层""整条删除而非 '-' 占位"等当前
  行为；
- src/wov_app/{batch,db,scheduler}.py 与 routers：去掉 batch_xxx/run_xxx 事故
  编号与"修复前……"对比，改为一句"否则会出现什么问题"；
- nodes/ass.py、frame_extract.py：去掉废弃值对比与日期，保留判据本身。

安全验证：用 AST 对比（剥离 docstring 后比较语法树）确认 18 个文件**零逻辑
变更**；`nodes/proper_nouns.py` 的规则表 reason 字段会注入 LLM 提示词，属于
数据而非注释，已恢复原值。全量测试 476 passed。

nodes/llm_filter.py

@@ -1,31 +1,23 @@
-"""LLM 字幕过滤节点。
+"""LLM 字幕过滤节点：对 OCR 识别出的 SRT 做二次过滤。
 
-对 OCR 识别出的 SRT 字幕做二次过滤，两级判断：
+两级判断，**默认只跑规则层**（use_llm=0；LLM 层误删真实对话的代价过高，
+依据见 docs/decisions.md）：
 
-1. **确定性规则层**（不调用 LLM）：横线装饰、HTML/水印 token、URL/邮箱、
-   单双 ASCII 字符等 OCR 噪声直接删除——这些模式是稳定可判的，走规则
-   既省 token 又保证结果确定（真实数据中占删除量的 65%+）。
+1. **确定性规则层**（不调 LLM）：横线装饰、HTML/水印 token、URL/邮箱、
+   单双 ASCII 字符等 OCR 噪声直接删除。模式稳定可判，省 token 且结果确定。
 
-2. **LLM 五类分类层**：把目标字幕连同前后各 context_size 条纯文本分批
-   提供给 LLM，模型输出五个类别之一：
-   - garbage：垃圾字符（乱码、残缺、装饰性符号）→ 删除
-   - overlay：水印/网页/播放器等覆盖层文本 → 删除
-   - noise：与上下文无关、无实际语义的杂项 → 删除
-   - repeat：内容性重复（语气词、呻吟、重复感叹，属于内容本身）→ 保留
-   - dialogue：正常对话 → 保留
-   未识别输出一律回退 dialogue（宁滥勿缺，避免误删真实对话）。
+2. **LLM 五类分类层**（use_llm=1 时启用）：把目标字幕连同前后各
+   context_size 条纯文本交给 LLM，输出五个类别之一：
+   - garbage（乱码/残缺/装饰）、overlay（水印/播放器覆盖层）、
+     noise（无实义杂项）→ 删除；
+   - repeat（内容性重复，如语气词/呻吟）、dialogue（正常对话）→ 保留。
+   未识别输出一律回退 dialogue（宁滥勿缺）。
 
-3. **文本去重**：相同文本（忽略全部空白与大小写差异）只调一次 LLM，
-   上下文取首次出现位置，结果缓存复用——修复"同一句字幕 5 留 6 删"的
-   判定不一致，同时把长视频的 LLM 调用量降到唯一文本数。
-
-4. **上下文净化**：喂给 LLM 的上下文是**过滤后的字幕**——规则层确定性的
-   垃圾（横线/HTML/网址/水印等）从上下文中剔除，只留下有意义的对白，
-   避免覆盖层垃圾污染 LLM 的场景判断导致误删真实对话。
-
-参考真实任务 run_ac7f480a3ccb（2026-08，OCR 1666 条）：旧实现把 394 条
-真实对话当噪声删掉（占删除 35%）、同文本判定不一致；新实现按上述机制
-回归测试已固化在 tests/test_llm_filter.py。
+   该层的两个配套机制：
+   - **文本去重**：相同文本（忽略空白与大小写）只调一次 LLM，结果复用，
+     保证同一句话判定一致并减少调用量；
+   - **上下文净化**：喂给 LLM 的上下文先剔除规则层已判定的垃圾，避免覆盖层
+     噪声污染场景判断而误删真实对话。
 """
 
 from __future__ import annotations
@@ -120,7 +112,7 @@ _HTML_MARK_RE = re.compile(
     re.IGNORECASE,
 )
 # 规则层正则：播放器/作品编号水印（VLM 常把画面角落的编号识别成短串）。
-# 实测真实数据命中：SPHO-1 / PHO一号馆 / NO.1专用 / PHD-手術 / SP10-1型。
+# 覆盖水印编号形态，如 SPHO-1 / PHO一号馆 / NO.1专用 / PHD-手術 / SP10-1型。
 # 限定为**不含汉字的编号形态**（或纯形态串），避免误伤正常英文对白。
 _SERIAL_MARK_RE = re.compile(
     r"^(?:SPH|SPHO|SPIO|SPNO|SP10|PHO|PH0|PHD|P10|NO\.|SP\s*\d)"
@@ -142,14 +134,14 @@ _CAST_MARK_RE = re.compile(r"^[（(]\s*(?:出演|主演|配役|监督|スタッ
 DEFAULT_OVERLAY_TOKENS = frozenset(
     {"html", "background", "___", "cleaning", "buffering", "loading", "marketing"}
 )
-# 长文本保护阈值：≥ 该长度的文本，noise 类别不构成删除依据。
-# LLM 判定不稳定（实测把完整对话句误判 noise），长度是必要兜底而非删除依据。
+# 长文本保护阈值：≥ 该长度的文本，noise 类别不构成删除依据（LLM 会把完整
+# 对话句误判为 noise，长度是兜底手段，只用于保护不用于删除）。
 DEFAULT_MIN_KEEP_LEN = 12
 
 # 纯数字/小数点组合（"4.0"/"2.0"/"10-1期B" 中的纯数值形态）。
 _NUMBER_ONLY_RE = re.compile(r"^\d{1,3}[.,]\d{1,2}$")
 
-# LLM 分类层开关（2026-09 默认关闭）：见模块与 nodes/llm_filter.py 说明。
+# LLM 分类层开关：默认关闭，只跑确定性规则层（原因见模块 docstring）。
 DEFAULT_USE_LLM = False
 
 
@@ -232,9 +224,8 @@ def _should_delete(category: str, text: str, min_keep_len: int) -> bool:
     """按 LLM 类别与长文本保护决定是否删除。
 
     repeat/dialogue 一律保留；garbage/overlay 一律删除（明确的垃圾信号）；
-    noise 对短文本删除，但 ≥min_keep_len 的长文本不删——LLM 判定不稳定，
-    完整对话句常被误判 noise，长度保护是必要兜底（实测移除后新增误删
-    124 条真实长对话）。长度只用于"保护"，不用于"删除"。
+    noise 仅对短文本删除：LLM 会把完整对话句误判为 noise，≥min_keep_len 的
+    长文本一律保留。长度只用于保护，不用于删除。
     """
     if category not in DELETE_CATEGORIES:
         return False
@@ -362,10 +353,8 @@ def invoke(request: InvokeRequest) -> InvokeResponse:
     }
     # 去重开关：默认开；关掉时每个条目独立调用 LLM（不省调用，判定各自独立）。
     dedupe = str(request.params.get("dedupe", "1")) not in ("0", "false", "False")
-    # LLM 分类层开关（2026-09 默认关闭）：实测该层额外删除的 131 条中 56% 是
-    # 真实对话（run_ac7f480a3ccb 逐类人工审查），真正抓到而规则层抓不到的仅 58
-    # 条（已大部分下沉为规则）。默认只跑确定性规则层，宁多留不漏删；
-    # 需要旧行为时用 params.use_llm=1 显式打开。
+    # LLM 分类层开关：默认关闭，只跑确定性规则层（宁多留不漏删）；关闭原因
+    # 见模块 docstring 与 docs/decisions.md。需要该层时用 params.use_llm=1。
     use_llm = str(request.params.get("use_llm", "1" if DEFAULT_USE_LLM else "0")) not in (
         "0", "false", "False",
     )
@@ -414,7 +403,7 @@ def invoke(request: InvokeRequest) -> InvokeResponse:
                 done, total, rate, avg_time, workers, pool.max_workers,
             )
 
-        # 自适应并发调用 LLM：按实测负载弹性伸缩，避免压垮 LLM 接口。
+        # 自适应并发调用 LLM：按响应快慢弹性伸缩，避免压垮接口。
         pool = AdaptiveThreadPool(
             worker=judge_one,
             on_progress=log_progress,