feat: 任务进度实时展示、接口测试、暗色主题重构及多项 bug 修复

后端
- 新增 app/task_progress.py 线程安全进度注册表
- 任务改为后台线程异步执行（_run_task_background），手动触发立即返回 task_key
- 6 个任务函数（summarizer/tagger/scorer/deduplicator/brief/taxonomy）循环内上报进度
- scheduler 定时任务同步上报进度（trigger=scheduled）
- 新增 GET /api/tasks/progress 与 POST /api/tasks/progress/reset 接口
- 新增 POST /api/test-connection 接口连通性测试（独立短超时客户端）
- 修复 ai_client/rss_client 配置在 import 时固化的 bug（改为 property 运行时读取 settings），
  导致实际任务用 .env 假 key 调 LLM 401
- 修复 ai_client 对 reasoning 模型（MiniMax-M3 等）输出 <think> 块的 JSON 解析失败
- 修复 taxonomy bootstrap：LLM 超时（改用 300s 专用 client）、MiniMax 输出审查
  （精简样本仅标题 + 约束生成中性类目名）、失败误报 success（改抛异常如实标记）
- 修复 models.py 双外键关系映射启动崩溃（显式 foreign_keys）
- 修复 main.py SPA 路由 404、ArticleOut.published_at 序列化 500
- 移除 lifespan 同步 bootstrap 阻塞启动，改由 scheduler 后台异步执行

前端
- Deep Ink 高对比度暗色主题重构，修复 Element Plus 暗色模式对比度问题
- Tasks 页面任务进度实时展示（进度条/阶段/计数/状态/触发来源）+ 1.5s 轮询
- 接口测试面板（rssKeeper / LLM 连通性 + 延迟）
- 修复 nextJobs jobId 映射 bug

部署与文档
- Dockerfile 优化（BuildKit 缓存挂载、预编译 wheel、去 gcc、阿里云镜像源）
- 新增 API.md 接口文档

Co-Authored-By: Claude <noreply@anthropic.com>

app/deduplicator.py

@@ -12,6 +12,7 @@ import numpy as np
 
 from config import settings
 from models import EnrichedArticle, DuplicateGroup
+from app.task_progress import update_progress, report_loop_progress
 
 logger = logging.getLogger(__name__)
 
@@ -172,8 +173,11 @@ def deduplicate_articles(
 
     if not articles:
         logger.info("日期 %s 无文章可去重", date_str)
+        update_progress("tag_score_dedup", status="running", stage="去重", current=0, total=0, message="无文章可去重")
         return {"total": 0, "duplicate_groups": 0, "representatives": 0}
 
+    update_progress("tag_score_dedup", status="running", stage="计算相似度并去重", current=0, total=0)
+
     # 先 URL 去重：相同 link 只保留一篇
     unique_articles: List[EnrichedArticle] = []
     seen_links: set = set()
@@ -194,8 +198,9 @@ def deduplicate_articles(
     )
 
     stats = {"total": len(articles), "duplicate_groups": len(clusters), "representatives": 0}
+    update_progress("tag_score_dedup", status="running", stage="写入重复组", current=0, total=len(clusters))
 
-    for cluster in clusters:
+    for ci, cluster in enumerate(clusters):
         representative = _pick_representative(unique_articles, cluster)
         member_ids = [unique_articles[i].id for i in cluster]
 
@@ -214,6 +219,7 @@ def deduplicate_articles(
             art.is_representative = (art.id == representative.id)
 
         stats["representatives"] += 1
+        report_loop_progress("tag_score_dedup", ci + 1, len(clusters), "写入重复组")
 
     db.commit()
     logger.info(