fix(ocr): 预分割阶段先剥离bot旧回复再检测噪声

问题：OCR混合文本（用户提问+bot旧回复）被 _is_noise_text 误判为噪声丢弃。
例：'运营方有权...@游戏专用服务器近期有哪些公告...' → 含'运营方有权'触发协议噪声检测→整段丢弃。

修复：在 _pre_split_noise_filter 中先调用 _strip_bot_reply_fragments 剥离bot旧回复，
再对剥离后的文本做 _is_noise_text 检测。
剥离后为空→丢弃；剥离后仍有噪声→丢弃；否则保留。

monitor.py

@@ -5735,13 +5735,15 @@ class MessageMonitor:
         clean_segments = []
         noise_count = 0
         for i, seg in enumerate(segments):
-            is_noise = self._is_noise_text(seg)
+            # ⭐ 2026-08-13: 先剥离bot旧回复，再检测噪声，防止混合文本被误判为噪声
+            stripped_seg = self._strip_bot_reply_fragments(seg)
+            is_noise = self._is_noise_text(stripped_seg) if stripped_seg else True
             if is_noise:
                 noise_count += 1
-                logger.debug(f"[{platform}] 预分割: 段[{i}] 含噪声特征，丢弃: {seg[:60]!r}")
+                logger.debug(f"[{platform}] 预分割: 段[{i}] 含噪声特征，丢弃: {stripped_seg[:60]!r}" if stripped_seg else f"[{platform}] 预分割: 段[{i}] 剥离bot回复后为空，丢弃: {seg[:60]!r}")
             else:
-                clean_segments.append(seg)
-                logger.debug(f"[{platform}] 预分割: 段[{i}] 干净，保留: {seg[:60]!r}")
+                clean_segments.append(stripped_seg)
+                logger.debug(f"[{platform}] 预分割: 段[{i}] 干净，保留: {stripped_seg[:60]!r}")
 
         # ---- 结果汇总 ----
         if not clean_segments:
@@ -5889,26 +5891,32 @@ class MessageMonitor:
             r'运营方.*权利|服务.*提供.*义务|'
             r'我们.*保留.*权利|承担.*责任)'
         )
-        if _AGREEMENT_PLAYER.search(text):
-            logger.debug(f"[ocr] 过滤器2结果: 检测到用户协议条款内容(正式法律用语)，返回True: {text[:60]!r}")
-            return True
-        if _AGREEMENT_OPERATOR.search(text):
-            logger.debug(f"[ocr] 过滤器2结果: 检测到运营方条款内容，返回True: {text[:60]!r}")
-            return True
-        if _AGREEMENT_TITLE.match(text):
-            logger.debug(f"[ocr] 过滤器2结果: 检测到协议条款文档标题，返回True: {text[:60]!r}")
-            return True
-        # 同时包含"权利"和"义务"的正式陈述句（法律文档特征），排除疑问句
-        if '权利' in text and '义务' in text and not text.endswith(('？', '?', '吗', '呢')):
-            logger.debug(f"[ocr] 过滤器2结果: 检测到含'权利'+'义务'的法律文档陈述句，返回True: {text[:60]!r}")
-            return True
-        # ⭐ 拓展协议关键词检测：短文本中出现多个协议特征词 → 高概率协议内容
-        if len(text) < 80 and _AGREEMENT_KEYWORDS.search(text):
-            # 至少匹配2个协议特征关键词才拦截，避免误杀正常聊天
-            _match_count = len(_AGREEMENT_KEYWORDS.findall(text))
-            if _match_count >= 2:
-                logger.debug(f"[ocr] 过滤器2结果: 检测到多个协议特征词({_match_count}个)，返回True: {text[:60]!r}")
+        # ⭐ 疑问词检测：文本含用户提问特征时，不应丢弃
+        _QUESTION_WORDS = ('？', '?', '吗', '呢', '哪些', '什么', '怎么', '如何', '为什么', '能', '可以')
+        is_question = any(q in text for q in _QUESTION_WORDS)
+        if is_question:
+            logger.debug(f"[ocr] 过滤器2: 检测到疑问词，跳过协议噪声检测")
+        else:
+            if _AGREEMENT_PLAYER.search(text):
+                logger.debug(f"[ocr] 过滤器2结果: 检测到用户协议条款内容(正式法律用语)，返回True: {text[:60]!r}")
                 return True
+            if _AGREEMENT_OPERATOR.search(text):
+                logger.debug(f"[ocr] 过滤器2结果: 检测到运营方条款内容，返回True: {text[:60]!r}")
+                return True
+            if _AGREEMENT_TITLE.match(text):
+                logger.debug(f"[ocr] 过滤器2结果: 检测到协议条款文档标题，返回True: {text[:60]!r}")
+                return True
+            # 同时包含"权利"和"义务"的正式陈述句（法律文档特征）
+            if '权利' in text and '义务' in text:
+                logger.debug(f"[ocr] 过滤器2结果: 检测到含'权利'+'义务'的法律文档陈述句，返回True: {text[:60]!r}")
+                return True
+            # ⭐ 拓展协议关键词检测：短文本中出现多个协议特征词 → 高概率协议内容
+            if len(text) < 80 and _AGREEMENT_KEYWORDS.search(text):
+                # 至少匹配2个协议特征关键词才拦截，避免误杀正常聊天
+                _match_count = len(_AGREEMENT_KEYWORDS.findall(text))
+                if _match_count >= 2:
+                    logger.debug(f"[ocr] 过滤器2结果: 检测到多个协议特征词({_match_count}个)，返回True: {text[:60]!r}")
+                    return True
         # ⭐ 混合文字乱码检测：OCR将不同行/区域的文字混在一起
         #   如"HHWH尸端自哪内柙登录槟J!" — Latin大写字母散落在CJK字符中间
         #   正常聊天中Latin缩写是连续块（如"登录PHP服务器"、"GTA5玩家"）