feat(ai): add settlement probability distribution to AI output

src/analysis/ai_analyzer.py

@@ -38,14 +38,16 @@ def get_ai_analysis(weather_insights: str, city_name: str, temp_symbol: str) ->
 2. **阻碍因子**：由于高湿度(>80%)、降水或全阴天气导致的升温失速。
 3. **结算推演**：根据我提供给你的【博弈区间】以及【当前所处时段(是否过了最热期)】推断并告诉我最终结算温度落在哪个区间的希望更大。
 4. **结算边界**：如果当前温度处于 X.5 这种进位/舍位边缘，需特别预警。
+5. **概率估算**：综合集合预报区间、多模型分歧度、当前实测趋势，对最可能的 2-4 个 WU 结算整数温度给出概率估算（必须加起来 = 100%）。
 
 【输出要求】
-1. **禁止废话**，整体控制在 100 字以内。
+1. **禁止废话**，整体控制在 150 字以内。
 2. 严格按照以下 HTML 格式输出:
 
 🤖 <b>Groq AI 决策</b>
 - 🎲 盘口: [必须明确指出最热时段（如：预计最热在 14:00-16:00）以及当前的博弈区间（如：锁定在 27°C 或 28°C 之间博弈）。若已明确降温，请直接给出死盘结论（如：已过最热点且降温，锁定在 X 度结算，悬念终止）。]
-- 💡 逻辑: [不要重复模版例子！请使用一句话提炼机场实测(如风速风向、云量、气温变化趋势)及热力动力因子。例如：实测吹强劲西南风(15kt)伴随云量减少，辐射加热强劲，破预报阻力非常小。]
+- 💡 逻辑: [不要重复模版例子！请使用一句话提炼机场实测(如风速风向、云量、气温变化趋势)及热力动力因子。]
+- 📊 概率: [列出最可能的 2-4 个结算温度及概率。格式示例：3°C(15%) | 4°C(55%) | 5°C(25%) | 6°C(5%)]
 - 🎯 置信度: [1-10]/10
 """
 
@@ -59,7 +61,7 @@ def get_ai_analysis(weather_insights: str, city_name: str, temp_symbol: str) ->
                         {"role": "user", "content": prompt}
                     ],
                     "temperature": 0.5,
-                    "max_tokens": 150
+                    "max_tokens": 250
                 }
 
                 response = requests.post(url, json=payload, headers=headers, timeout=15)