feat: whisper 新增 decode_full 无VAD整段解码参数并改为整条删除式幻觉清洗

解决转写漏句（有人说话但没识别出来）问题：silero VAD 对呻吟/轻语/BGM
混叠声学切段能力天然不足，把真话当非语音剔除（实测 savr-1054 全片仅
召回 115 条）。新增 decode_full 参数（默认 false 保持 VAD 现状）：

- decode_full=true 时强制无 VAD 整段解码 + 跳过自动 VAD 分析，救回被
  剔除的弱语音（savr-1054 全片 115 条 → 340 条）
- 副作用是长时寒暄套话幻觉（おやすみなさい/ご視聴ありがとうございま
  した 等），whisper 转录后连带时间戳整条删除（clean_japanese_ha
  lllucinations），不留下 '-' 占位污染下游（占位会渲染进 ASS 成减号）
- llm-translate 翻译后同样整条删除中文长时寒暄幻觉（clean_srt_text）
- 短时（≤15s）相同词可能是剧情真实道晚安，保留（15s 阈值实测校准）
- subtitle_cleanup 由 '-' 占位式改为整条删除式 + 剩余重编号，新增
  JAPANESE_HALLUCINATION_TOKENS 词表

新增工作流 learn-translate（学习资料转译+翻译字幕）示范 decode_full
用法，并确立参数标注约定：params._note_<参数名> 存放设定理由与正反例、
_node_help 放节点参数手册（_ 前缀说明键，节点执行时忽略，零运行影响）。

调研记录见 docs/调研-whisper漏句与decode_full验证.md（A/B 实验、结论
修正与 5 个待决问题）。

AGENTS.md

@@ -109,6 +109,22 @@ whisper 节点按以下顺序解析模型路径，默认避免从远端下载：
 | `demo` | 视频字幕生成 | 提音 → 转写 → LLM 翻译 → ASS | 通用链路，翻译走 SiliconFlow |
 | `zh-direct` | 中文直出字幕 | 提音 → 中文转写 → ASS | 中文直出模型，无 LLM 步骤 |
 | `ocr-subtitle` | 字幕OCR提取 | 抽帧 → 逐帧 OCR → 汇总 SRT → LLM 过滤 | 提取烧录字幕做基准数据；前端框选 crop；LLM 过滤多余/无意义字幕 |
+| `learn-translate` | 学习资料转译+翻译字幕 | 提音 → 转写(decode_full) → LLM 翻译 → ASS | 面向讲解/学习类视频；应用本次修复的 decode_full 无 VAD 整段解码 + 日语幻觉清洗，优先"说了的话不漏"（弱语音/快速讲解召回），再由幻觉清洗移除无语音段长套话 |
+
+**工作流参数标注约定**（learn-translate 示范，可复用到任何工作流）：JSON 不支持注释，
+因此"参数理由"以节点 `params` 内 `_note_<参数名>` 键存放（`_` 前缀说明键，节点执行时
+只读真实参数键、忽略 `_note_*`，零运行影响）；节点级参数手册放 `params._node_help`
+（多行字符串，含关键参数解释与正反例）。`WorkflowNode.from_dict` 会完整保留 params
+全部键（不清洗未知键），seed 入库/前端展示均不丢。查看方式：管理后台/工作流编排页
+打开工作流 definition JSON 即可见每个参数旁的理由说明。
+
+**decode_full 参数**（本次修复，faster-whisper 节点）：默认 `false`（保持 VAD 现状）；
+置 `true` 时强制无 VAD 整段解码并跳过自动 VAD 分析，救回被 silero VAD 当非语音剔除的
+弱语音/呻吟/BGM 混叠人声（实测 savr-1054 全片 115 条 → 340 条），副作用为无语音段
+长时寒暄幻觉，处理方式：whisper 转录后立即**连带时间戳把整条 cue 删除**（剩余重编号，
+见 `nodes/subtitle_cleanup.py` 的 `clean_japanese_hallucinations`），不留下 `-` 占位污染
+下游（占位会渲染进 ASS 成可见减号）；llm-translate 翻译后同样整条删除中文长时寒暄
+幻觉（`clean_srt_text`）。短时（≤15s）相同词可能是剧情真实道晚安，保留。
 
 最终产物按 `上传文件名.标识.时间戳` 重命名（如 `test01.zh-CN.20260815123000.srt`），
 标识优先取节点的 `target_language` 参数，否则用产物别名。
@@ -121,8 +137,8 @@ whisper 节点按以下顺序解析模型路径，默认避免从远端下载：
 
 ### 切换模型不改代码
 
-- 模型是工作流 DAG 中 asr 节点的 `model_path` 参数（**数据**），两个内置工作流
-  均已显式声明：demo 用 `faster-whisper-large-v3`，zh-direct 用中文直出模型。
+- 模型是工作流 DAG 中 asr 节点的 `model_path` 参数（**数据**），内置工作流
+  均已显式声明：demo/learn-translate 用 `faster-whisper-large-v3`，zh-direct 用中文直出模型。
 - 切换模型 = 改 `workflows/*.json` 或管理页面 DAG JSON → 保存新版本 → 发布，
   全程不涉及代码；新库启动时从 JSON 重新 seed。
 - 默认工作流定义存放在 `workflows/*.json`（数据文件），代码只负责加载。