docs: document LLM observation contract and expanded action options

README.md

@@ -410,16 +410,21 @@ Règles modélisées :
 - Manœuvres de combat : trip, disarm, bull_rush, sunder, grapple, escape,
   overrun, dirty trick, steal, reposition et drag sont modélisées, chacune
   comme une tentative unique (1d20 + CMB contre CMD) :
-  trip → `prone` ; disarm → `disarmed` (−4 attaque) ; bull_rush → pousse la cible ;
+  trip → `prone` ; disarm → `disarmed` (−4 attaque) ; bull_rush → pousse la
+  cible (direction sélectionnable via `Action.direction`) ;
   grapple → `grappled`/`pinned` ; escape → **une** sauvegarde (bonus statique de la
   compétence `escape_artist` ou CMB, + un d20) contre CMD — une seule tentative,
   sans boucle multi-tour. Un sunder endommage l'**arme**, pas les PV : `str_mod + 2`
   de dégâts à l'arme, qui se brise à 10 d'usure cumulée (`_WEAPON_DURABILITY`) →
-  `disarmed` ; une arme brisée est exclue de `usable_attacks()`. overrun →
+  `disarmed` ; une arme brisée est exclue de `usable_attacks()` et réparable via
+  `Action(kind="repair_weapon")`. overrun →
   `prone` 1 round + passage au travers si la case au-delà est libre ; dirty trick →
-  `dazzled` 1 round ; steal → l'arme de mêlée de la cible est volée (exclue de
-  `usable_attacks()`) ; reposition → déplacement de 5 ft de la cible vers le
-  premier voisin libre ; drag → traction de 5 ft de la cible, l'attaquant
+  condition choisie par `Action.trick_condition` (défaut `dazzled` 1 round ;
+  `blinded`/`deafened`/`entangled`/`nauseated` possibles) ; steal → l'arme de
+  mêlée de la cible est volée (exclue de `usable_attacks()`, récupérable via
+  `Action(kind="retrieve_weapon")`) ; reposition → déplacement de 5 ft de la
+  cible vers le premier voisin libre (direction sélectionnable via
+  `Action.direction`) ; drag → traction de 5 ft de la cible, l'attaquant
   occupant sa case d'origine. `default_policy` ne
   choisit pas ces manœuvres (utilisables via `Action(kind="maneuver")` ou une
   politique personnalisée).
@@ -448,14 +453,24 @@ Règles modélisées :
   `shaken` 1 round, au début de son tour) et contact paralysant (au toucher,
   `paralysé` 1d4+1 rounds), RD 15/magie+contondant ; son JSON porte un dictionnaire
   `spell_slots` sans clés dupliquées.
+- Snapshot d'observation (contrat LLM, Phase 2) : avant chaque appel de
+  politique, le moteur construit une `Observation` sérialisable (`to_dict()` →
+  JSON) figée — champs par combattant (id, side, pos, occupied_cells,
+  hp/hp_max, active/dead, conditions noms+durées, resources_left,
+  weapon_broken/weapon_stolen, grappled_with, moved_this_turn, power_attack),
+  par paire combattant actif × cible (distance_ft, weapon_for, range_penalty,
+  can_charge, can_step5_to_attack, has_line_of_effect, flanking) et couches
+  terrain/élévation de la grille. Les API de décision exposées (items L1-L8)
+  s'y retrouvent : `direction`/`trick_condition`/`weapon_id` sur `Action`,
+  `can_charge` → `ChargeResult`, zones menacées `threatened_squares`/
+  `enemies_threatening`, coûts `reachable_ft`/`movement_cost_ft`, kinds
+  `retrieve_weapon`/`repair_weapon`. Une politique LLM se branche via
+  `CombatEngine(..., llm_policy=...)` (`LLMPolicy(observation, state) ->
+  tuple[Action, ...]`) ; le snapshot est la SEULE source d'info de la LLM
+  (aucune référence `engine.*` exposée, collections copiées/figées).
 
-Non modélisé (couche `markers` présente mais non appliquée dans la
-résolution) :
-- Manœuvres : dirty trick applique toujours `dazzled` (le choix
-  aveuglé/assourdi/entravé/malade n'est pas modélisé) ; reposition et drag
-  utilisent une direction déterministe (premier voisin libre / au-delà de la
-  cible) ; un objet volé n'est pas récupérable en cours de combat. Une arme
-  brisée ne peut pas être réparée en cours de combat.
+Non modélisé : la couche `markers` (points nommés de la carte) est validée à
+la lecture mais non appliquée dans la résolution.
 
 ## Architecture
 
@@ -479,7 +494,9 @@ résolution) :
   multi-cases, zones menacées en anneau), high ground, actions immédiates
   opt-in (réactions hors-tour), états de vie, incantation
   (emplacements, concentration par situation, AoO d'incantation), invocation,
-  manœuvres, capacités de classe, transcripts, politique par défaut. Les
+  manœuvres (avec sélection directionnelle et choix de condition d'état),
+  capacités de classe, transcripts, politique par défaut, snapshot
+  d'observation sérialisable `Observation`/`LLMPolicy` (frontière LLM). Les
   modificateurs conditionnés (`StatModifier.condition`) sont évalués via
   `_modifier_condition_holds` avec le contexte d'action (arme, portée,
   descripteurs de sauvegarde) ; les conditions inconnues restent exclues.
@@ -538,7 +555,7 @@ résolution) :
 La gate de validation complète (tests + lint + types) :
 
 ```bash
-uv run pytest -q          # 480 tests
+uv run pytest -q          # 664 tests
 uv run ruff check src tests
 uv run basedpyright src   # mode strict
 ```
@@ -561,8 +578,10 @@ uv run basedpyright src   # mode strict
   (coût de déplacement + high ground), tailles Large+ (occupation multi-cases),
   allonges > 5 ft (allonge naturelle + `reach_ft`, zones menacées en anneau) et
   actions immédiates hors-tour (politique de réaction opt-in). Restent hors du
-  socle (voir « Non modélisé ») : les markers et les manœuvres avancées.
+  socle (voir « Non modélisé ») : les markers.
 - **Phase 2** — couche tactique LLM : stratégies en langage naturel traduites
-  en politiques, balayage de matrices de positionnement. (Non implémentée.)
+  en politiques, balayage de matrices de positionnement. Le contrat
+  d'observation (snapshot sérialisable `Observation` + wrapper `LLMPolicy`)
+  est en place ; la couche LLM elle-même reste à implémenter.
 - **Phase 3** — rapporteur LLM local : agrégation des statistiques et
   rédaction du rapport d'équilibrage en français. (Non implémentée.)