feat: 模型推理异步加载与对话链路修复，同步基线

模型推理全异步化改造：
- 计算节点 InferenceSession 改为后台线程异步加载模型，load 立即返回，
  加载期间事件循环保持响应（/inference/status 与 /health 不阻塞）
- 后端模型加载改为异步派发 + 轮询对账器（reconcile_inference_loads），
  任务状态由 starting 自动推进到 ready/error，解决多节点启动超时
  （timeout of 120000ms exceeded）
- 推理删除/卸载改为任务感知 + 短超时，删除先删记录再 best-effort 卸载，
  不再被不可达节点阻塞；同节点新模型替换旧任务标记失效
- 流式对话透传 task_id/node_id 路由到真正加载模型的算力节点，
  useStreamChat 解析 SSE 错误帧以干净文案展示
- 对话历史按任务 id 本地持久化，退出重进可恢复；移除页脚提示文本
- 新增后端推理异步加载与计算节点异步状态机单元测试

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

frontend/src/views/inference/InferenceCreateView.vue

@@ -1,12 +1,12 @@
 <script setup lang="ts">
-import { ref, reactive, computed, onMounted } from 'vue'
+import { ref, reactive, computed, onMounted, watch } from 'vue'
 import { useRouter } from 'vue-router'
 import { ElMessage, type FormInstance, type FormRules } from 'element-plus'
 import PageCard from '@/components/PageCard.vue'
 import { getModelList, getTrainedModels } from '@/api/modules/model'
 import { getSystemInfo } from '@/api/modules/system'
 import { getComputeNodes, type ComputeNode } from '@/api/modules/compute'
-import { createCompare, preloadLocalModel, preloadTrainedModel } from '@/api/modules/compare'
+import { createCompare, loadCompare } from '@/api/modules/compare'
 import type { ModelItem, TrainedModel, GpuInfo } from '@/types'
 
 const router = useRouter()
@@ -27,6 +27,8 @@ interface SelectableModel {
   name: string
   source: 'database' | 'trained'
   model_path: string
+  compute_node_id?: string
+  compute_node_name?: string
   merged?: boolean
   merging?: boolean
   disabled?: boolean
@@ -51,6 +53,8 @@ const trainedOptions = computed<SelectableModel[]>(() =>
     name: m.name,
     source: 'trained',
     model_path: m.merged_path || m.base_model_path || '',
+    compute_node_id: m.compute_node_id,
+    compute_node_name: m.compute_node_name,
     merged: m.merged,
     merging: m.merging,
     disabled: m.merged === false,
@@ -80,7 +84,7 @@ const form = reactive({
   /** 选中的模型 key（单选） */
   model_key: '',
   /** 使用的 GPU */
-  gpu_id: 0,
+  gpu_key: '',
 })
 
 const rules: FormRules = {
@@ -90,6 +94,13 @@ const rules: FormRules = {
 
 /** 当前选中的模型对象 */
 const selectedModel = computed(() => modelMap.value[form.model_key])
+const selectedGpu = computed(() => idleGpus.value.find((g) => `${g.node_id || ''}:${g.id ?? 0}` === form.gpu_key))
+
+watch(selectedModel, (model) => {
+  if (!model?.compute_node_id) return
+  const gpu = idleGpus.value.find((item) => item.node_id === model.compute_node_id)
+  if (gpu) form.gpu_key = `${gpu.node_id || ''}:${gpu.id ?? 0}`
+})
 
 async function handleSubmit() {
   if (!formRef.value) return
@@ -101,62 +112,47 @@ async function handleSubmit() {
       return
     }
     submitting.value = true
-    startupStatus.value = '正在启动模型服务...'
+    startupStatus.value = '正在创建推理任务...'
     try {
-      // Step 1: 将模型加载到算力节点
-      const preloadPayload = {
-        model_name_or_path: m.model_path,
-        model_name: m.name,
-        template: 'qwen',
-      }
-      let preloadResult: any
-      if (m.source === 'trained') {
-        preloadResult = await preloadTrainedModel(preloadPayload)
-      } else {
-        preloadResult = await preloadLocalModel(preloadPayload)
-      }
-
-      if (preloadResult && (preloadResult as any).error) {
-        ElMessage.warning(`模型加载失败：${(preloadResult as any).error}`)
-        submitting.value = false
-        startupStatus.value = ''
+      if (!m.model_path) {
+        ElMessage.warning('当前模型未配置算力节点可访问路径，请先在模型管理中维护模型路径')
         return
       }
 
-      // Step 2: 创建推理任务记录
+      // Step 1: 创建推理任务记录
       const taskResult = await createCompare({
         name: form.name || m.name,
         description: form.description,
+        status: 'pending',
         models: [
           {
             model_id: String(m.id),
             model_name: m.name,
             model_path: m.model_path,
             source: m.source,
-            gpu_id: form.gpu_id,
+            gpu_id: selectedGpu.value?.id ?? 0,
+            node_id: selectedGpu.value?.node_id || m.compute_node_id,
+            node_name: selectedGpu.value?.node_name || m.compute_node_name,
           },
         ],
       })
       const taskId = taskResult?.id || 'unknown'
 
-      ElMessage.success('模型已启动')
-      router.push({
-        path: `/model-inference/chat/${taskId}`,
-        query: {
-          model: m.name,
-          source: m.source,
-          model_path: m.model_path,
-        },
-      })
+      // Step 2: 统一通过推理任务加载接口异步派发模型加载，状态会落到列表记录中。
+      startupStatus.value = '正在启动模型服务，首次加载可能需要数分钟...'
+      const loadResult: any = await loadCompare(taskId)
+      if (loadResult?.status === 'failed' || loadResult?.error) {
+        ElMessage.warning(`模型加载失败：${loadResult?.error || '请检查算力节点日志'}`)
+        router.push('/model-inference')
+        return
+      }
+
+      // 加载为异步派发，回到列表页可看到“启动中 → 已就绪”的状态流转
+      ElMessage.success('模型加载中，就绪后即可对话')
+      router.push('/model-inference')
     } catch (e: any) {
-      // 真实 API 失败时回退到 mock 模式（方便无算力节点的开发调试）
-      const m = selectedModel.value!
       const reason = e?.message || e?.toString() || '未知错误'
-      ElMessage.warning(`推理服务启动失败：${reason}，进入 mock 演示模式`)
-      router.push({
-        path: '/model-inference/chat/mock',
-        query: { model: m.name },
-      })
+      ElMessage.warning(`推理服务启动失败：${reason}`)
     } finally {
       submitting.value = false
       startupStatus.value = ''
@@ -181,7 +177,10 @@ async function loadData() {
     gpus.value = sys?.gpu || []
     computeNodes.value = nodes || []
     // 默认选中第一个空闲 GPU
-    if (idleGpus.value.length > 0) form.gpu_id = idleGpus.value[0].id ?? 0
+    if (idleGpus.value.length > 0) {
+      const firstGpu = idleGpus.value[0]
+      form.gpu_key = `${firstGpu.node_id || ''}:${firstGpu.id ?? 0}`
+    }
   } catch {
     // ignore
   }
@@ -229,12 +228,12 @@ onMounted(loadData)
       </el-form-item>
 
       <el-form-item label="GPU">
-        <el-select v-model="form.gpu_id" style="width: 400px">
+        <el-select v-model="form.gpu_key" style="width: 400px">
           <el-option
             v-for="g in idleGpus"
-            :key="g.id ?? 0"
-            :label="`${g.name} (GPU${g.id ?? 0}) [空闲]`"
-            :value="g.id ?? 0"
+            :key="`${g.node_id || ''}:${g.id ?? 0}`"
+            :label="`${g.node_name || g.node_code || '算力节点'} / ${g.name} (GPU${g.id ?? 0}) [空闲]`"
+            :value="`${g.node_id || ''}:${g.id ?? 0}`"
           />
         </el-select>
       </el-form-item>