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/taxonomy.py

@@ -5,8 +5,9 @@ from typing import List, Dict, Any
 
 from sqlalchemy.orm import Session
 
-from app.ai_client import ai_client
+from app.ai_client import AIClient
 from app.rss_client import rss_client
+from app.task_progress import update_progress
 from models import Taxonomy
 
 logger = logging.getLogger(__name__)
@@ -40,19 +41,19 @@ TAXONOMY_SYSTEM_PROMPT = """你是一位专业的信息分类与内容分析专
 3. heat_rules 和 importance_rules 各 10-20 条，weight 范围 0.5-2.0。
 4. 所有 keywords 用中文或中英双语，便于后续关键词匹配。
 5. 不要输出任何解释文字，只输出 JSON。
+6. **分类与标签名称必须使用中性的主题领域词**（如科技、财经、文化、体育、生活、健康、设计、商业等），
+   禁止使用具体事件、人名、地名、国家名、机构名或任何政治/军事/冲突相关的敏感词作为名称或关键词，
+   以保证内容中立、避免触发内容审查。
 """
 
 
 def _build_sample_prompt(articles: List[Dict[str, Any]]) -> str:
-    lines = [f"共有 {len(articles)} 篇文章样本："]
-    for idx, art in enumerate(articles[:50], 1):
+    # 只用标题和来源，不带正文摘要——降低输入中的敏感内容，避免触发内容审查
+    lines = [f"共有 {len(articles)} 篇文章样本（仅展示标题用于归纳主题）："]
+    for idx, art in enumerate(articles[:40], 1):
         title = art.get("title", "")
-        summary = art.get("summary", "") or art.get("content", "")[:300]
         feed = art.get("feed_title", "")
-        cat = art.get("category", "")
-        lines.append(f"\n[{idx}] 标题：{title}")
-        lines.append(f"    来源：{feed} | 源分类：{cat}")
-        lines.append(f"    摘要：{summary[:400]}")
+        lines.append(f"[{idx}] {title}  （来源：{feed}）")
     return "\n".join(lines)
 
 
@@ -72,22 +73,24 @@ def bootstrap_taxonomy(db: Session, force: bool = False) -> bool:
         logger.info("强制重新初始化 taxonomy")
 
     logger.info("开始从 rssKeeper 拉取样本文章并生成分类体系...")
+    update_progress("bootstrap_taxonomy", status="running", stage="拉取样本文章", current=0, total=0)
     articles = rss_client.fetch_recent(hours=24 * 7, limit=200)
     if not articles:
         logger.warning("未获取到样本文章，无法生成分类体系")
-        return False
+        raise RuntimeError("未获取到样本文章，无法生成分类体系")
 
     user_prompt = _build_sample_prompt(articles)
-    try:
-        result = ai_client.chat_completion_json(
-            system_prompt=TAXONOMY_SYSTEM_PROMPT,
-            user_prompt=user_prompt,
-            temperature=0.5,
-        )
-    except Exception as exc:
-        logger.error("生成分类体系失败: %s", exc)
-        return False
+    update_progress("bootstrap_taxonomy", status="running", stage="LLM 生成分类体系", current=0, total=0, message="正在调用 LLM 生成分类规则，可能需要 2-4 分钟")
+    # bootstrap 是一次性大任务（生成 categories+tags+rules），MiniMax-M3 reasoning 模式较慢，
+    # 用专用大 timeout client（默认 60s 不够），失败抛异常由调用方捕获并如实标记进度
+    bootstrap_ai = AIClient(timeout=300, max_retries=2)
+    result = bootstrap_ai.chat_completion_json(
+        system_prompt=TAXONOMY_SYSTEM_PROMPT,
+        user_prompt=user_prompt,
+        temperature=0.5,
+    )
 
+    update_progress("bootstrap_taxonomy", status="running", stage="保存规则", current=0, total=0)
     _save_taxonomy(db, result)
     logger.info("taxonomy 初始化完成，共写入 %d 条规则", db.query(Taxonomy).count())
     return True