任务：实现道德值管理模块（纯函数）

任务：实现道德值管理模块（纯函数）

一、背景概述

在《极妙幻境》游戏中，玩家的每次选择（A/B/C/D）都会影响其道德值（善、恶、中立）。道德值不仅用于触发极端结局，还用于BOSS战前生成个性化的心魔形态。你需要实现以下功能：

1. 每轮选择后更新道德值：一个纯函数，接收当前状态和玩家选项，返回更新后的道德值、连续计数，以及是否触发极端结局。
2. 计算道德比例：一个纯函数，根据当前的善、恶、中立值，返回各倾向的比例以及主导倾向（用于BOSS战和状态显示）。

二、函数签名与数据结构

from typing import Optional, Tuple, Dict

def update_morality(
    current_round: int,          # 当前轮次（从1开始）
    last_choice: Optional[str],  # 上一轮选项（'A','B','C','D'），第一轮为None
    current_choice: str,         # 本轮选项
    good: int,                   # 当前善值
    neutral: int,                # 当前中立值
    evil: int,                   # 当前恶值
    consecutive: int             # 当前连续计数（基于上一轮及之前，初始为0）
) -> Tuple[int, int, int, int, Optional[str]]:
    """
    更新道德值并检查极端结局。

    返回：
        (new_good, new_neutral, new_evil, new_consecutive, ending)
        - new_*: 更新后的各值（包含基础加分、连续附加、随机偏移）
        - new_consecutive: 更新后的连续计数（用于下一轮）
        - ending: 若触发极端结局，返回对应倾向的字符串 'good'/'evil'/'neutral'；否则返回 None
    """
    pass


def get_morality_ratios(good: int, neutral: int, evil: int) -> Dict[str, float]:
    """
    计算当前道德值比例。

    返回字典，包含：
        'good': 善比例 (float, 0~1)
        'neutral': 中立比例 (float, 0~1)
        'evil': 恶比例 (float, 0~1)
        'dominant': 主导倾向 (str, 'good'/'neutral'/'evil' 或 None 如果总值为0)
    若总值为0，则所有比例为0，dominant为None。
    """
    pass

三、算法逻辑

3.1 基础加分规则（每轮）

选项	基础加分	连续附加目标	特殊规则
A	good += 10	good	无
B	neutral += 8	neutral	随机善恶偏移：随机选择good或evil增加4（50%概率）
C	evil += 10	evil	无
D	随机选择good或evil增加8	被随机到的那个	无

3.2 连续附加分计算

• 定义连续附加分表（基于传入的 consecutive 值，即截止上一轮的连续次数）：
  • consecutive = 0 → 附加 0
  • consecutive = 1 → 附加 3
  • consecutive = 2 → 附加 5
  • consecutive = 3 → 附加 7
  • consecutive ≥ 4 → 附加 8
• 附加分加给该选项对应的主要倾向（A加给good，C加给evil，B加给neutral，D加给随机选中的那个）。
• 注意：连续计数是基于上一轮及之前的历史，consecutive 参数表示本轮开始前已经连续选择同一选项的次数。例如上一轮是A且之前已连续2次，则传入的 consecutive = 2，本轮如果继续选A，则本轮附加分按 consecutive=2 对应5分计算，然后更新后的 new_consecutive 变为3。

3.3 连续计数更新规则

• 如果 current_choice == last_choice，则 new_consecutive = consecutive + 1
• 否则，new_consecutive = 0（包括第一轮时 last_choice 为 None 的情况）

3.4 随机性要求

• 所有随机选择（B的偏移、D的随机倾向）使用 random.random() 实现50%概率。
• 为确保测试可复现，允许在测试中设置 random.seed()。

3.5 极端结局触发条件

每轮更新后，检查是否满足以下所有条件：

1. 当前轮次 current_round ≥ 10
2. 总值 total = good + neutral + evil ≥ 80
3. 任一比例 ≥ 0.9（即 good/total ≥ 0.9 或 neutral/total ≥ 0.9 或 evil/total ≥ 0.9）

若满足，update_morality 返回的 ending 为对应的倾向字符串（'good', 'neutral', 'evil'），否则为 None。

四、比例计算方法

get_morality_ratios 应简单计算：

total = good + neutral + evil
if total == 0:
    return {'good': 0.0, 'neutral': 0.0, 'evil': 0.0, 'dominant': None}
ratios = {
    'good': good / total,
    'neutral': neutral / total,
    'evil': evil / total
}
dominant = max(ratios, key=ratios.get)  # 取比例最大的键
ratios['dominant'] = dominant
return ratios

五、测试要求

编写单元测试（使用 unittest 或 pytest），至少覆盖以下场景：

测试1：基础加分与连续计数

• 连续选A三次，验证数值变化和连续计数：
  • 第一轮：last_choice=None, current_choice='A', consecutive=0 → 预期 good=10, consecutive=1, ending=None
  • 第二轮：last_choice='A', current_choice='A', consecutive=1 → 预期 good=10+3=13, consecutive=2
  • 第三轮：last_choice='A', current_choice='A', consecutive=2 → 预期 good=13+10+5=28, consecutive=3

测试2：B选项随机偏移

• 固定随机种子，多次调用B，验证neutral增加8，且good或evil增加4的概率接近50%。

测试3：D选项随机倾向

• 固定随机种子，多次调用D，验证随机选择的倾向增加8，且连续附加分加给正确倾向。

测试4：连续计数中断

• 选A，然后选B，再选A，验证连续计数重置和重新累积。

测试5：极端结局触发条件

• 模拟到第10轮，总值≥80，且某比例≥0.9时，返回对应的ending。
• 验证比例<0.9或轮次<10或总值<80时不触发。

测试6：比例计算

• 输入 (good=30, neutral=20, evil=50)，验证比例正确，dominant='evil'。
• 输入全0，验证返回0和None。

测试7：边界情况

• 最后一轮且总值刚好80，比例刚好0.9，应触发。
• 总值=79，比例即使≥0.9也不触发。

六、提交要求

• 提供完整可运行的 Python 代码文件，包含所有函数和必要的导入。
• 包含单元测试，并确保测试通过。
• 代码注释清晰，关键逻辑说明。

开始实现吧！如有疑问，随时提出。