feat: 重构 Docker 配置结构，添加 compute 模块及新增文档

- 将 Dockerfile 和 docker-compose.yml 迁移至 docker/ 目录下统一管理
- 新增 compute 计算模块（API 入口、依赖配置）
- 新增 docker/app 和 docker/compute 部署配置
- 新增 demo-development-plan.md 演示开发计划文档
- 更新后端 API 设计、部署计划、架构需求等文档
- 更新 postgres 数据库 schema

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

docs/platform-architecture-requirements.md

@@ -80,7 +80,7 @@ flowchart LR
 
 - 应用平台调用算力平台必须携带 `X-Service-Token` 或 mTLS 证书。
 - 算力平台不信任前端用户身份，只信任应用平台下发的租户、项目、任务和资源上下文。
-- 所有任务回调必须带签名，避免伪造状态。
+- 第一阶段不默认启用算力侧回调，应用平台通过定时轮询 Compute API 同步任务状态；如未来启用回调，必须带签名，避免伪造状态。
 
 核心通信接口：
 
@@ -93,7 +93,7 @@ flowchart LR
 | 应用 -> 算力 | `GET /compute/resources/gpus` | 查询 GPU 状态 |
 | 应用 -> 算力 | `POST /compute/files/upload` | 上传文件到算力本地磁盘 |
 | 应用 -> 算力 | `GET /compute/files/{object_id}/download` | 下载文件 |
-| 算力 -> 应用 | `POST /api/internal/compute-callbacks/jobs` | 回调任务状态、指标、产物 |
+| 应用 -> 算力 | `GET /compute/jobs?status=running` | 定时轮询任务状态、指标、产物索引 |
 
 ## 3. 本地磁盘存储设计
 
@@ -149,6 +149,8 @@ flowchart LR
 
 ## 4. 单机多 GPU 资源调度
 
+第一版可以先以单个算力节点跑通主链路，但数据模型、接口和页面需要按多算力节点预留。多节点阶段仍然采用“每台 GPU 服务器 = 一个单机多 GPU 节点”的模式，不引入 Kubernetes。
+
 ### 4.1 GPU 资源模型
 
 每张 GPU 需要记录：
@@ -183,6 +185,25 @@ flowchart LR
 - 支持任务队列优先级：`low`、`normal`、`high`、`urgent`。
 - 高优任务是否可抢占低优任务，需要审批或管理员权限。
 
+### 4.4 多算力节点升级策略
+
+多算力节点阶段的推荐决策：
+
+- 每个可执行训练任务的 GPU 节点都部署 `Compute API`、`Compute Agent`、`File Gateway`、LLaMA-Factory、CUDA/PyTorch 训练环境和本地数据盘。
+- 应用服务器可以主动访问所有算力节点的 `Compute API/File Gateway`。
+- 算力节点之间默认不互相访问，不做节点间点对点同步；所有调度、状态同步和资源分发由应用平台统一编排。
+- 长期坚持每台算力服务器本地磁盘，因此需要 `resource_replicas` 记录数据集、基座模型、checkpoint、adapter、导出模型在哪些节点已有本地副本。
+- 调度前必须检查目标节点是否已有模型和数据集副本；缺失时由应用平台通过目标节点 File Gateway 创建同步任务，完成后再启动训练。
+- 调度支持自动和手动两种模式：普通用户默认自动调度，管理员/高级用户可手动指定节点、GPU、标签或节点组。
+
+多节点自动调度建议：
+
+1. 过滤 `enabled = true` 且 `scheduler_status = online` 的节点。
+2. 按训练引擎、GPU 型号、显存、节点标签、租户/项目配额过滤。
+3. 优先选择已存在所需模型/数据集副本的节点，减少跨节点复制。
+4. 同等条件下按空闲 GPU、队列长度、节点权重和最近健康检查排序。
+5. `draining` 节点不接收新任务，但允许已有任务完成。
+
 ## 5. 训练引擎接入标准
 
 ### 5.1 引擎抽象
@@ -421,6 +442,9 @@ LLaMA-Factory 适配器负责：
 - 队列中的任务。
 - 资源配额：租户/项目/用户维度。
 - 算力节点 Agent 状态。
+- 算力节点新增/编辑、连接测试、启用/禁用、维护模式。
+- 节点权重、标签、训练引擎版本、LLaMA-Factory 健康状态。
+- 节点本地资源副本：数据集、模型、checkpoint、adapter 和导出模型缓存。
 - 训练引擎健康状态。
 
 ### 8.5 文件与存储管理
@@ -650,6 +674,8 @@ LLaMA-Factory 适配器负责：
 10. 是否需要对外提供标准 API 给其他系统调用训练、评测、推理能力？
 11. 是否需要接入企业统一身份认证，例如 LDAP、OIDC、企业微信、钉钉？
 12. 是否需要成本核算：按租户/项目统计 GPU 小时、磁盘占用、模型调用量？
+13. 多算力节点是否需要节点组、租户绑定节点或项目绑定节点策略？
+14. 跨节点资源同步是否需要限速、同步窗口和管理员审批？
 
 ## 13. 推荐决策补充
 
@@ -658,15 +684,17 @@ LLaMA-Factory 适配器负责：
 1. 本地磁盘主存储放在算力服务器，应用服务器只保留上传临时文件。临时文件默认保留 24 小时，成功转发到算力文件网关后可立即进入清理队列。
 2. 第一版不支持 MIG、GPU 分片和多任务共享同一张 GPU。一张 GPU 同一时间只分配给一个训练任务或一个推理服务。GPU 数据模型预留 `partition_type`、`parent_gpu_uuid`、`memory_total_mb`，便于后续扩展 MIG。
 3. 第一版不做自动抢占。支持任务优先级和排队；停止他人任务需要审批或平台管理员权限。
-4. 第一版必须支持离线导入已有模型和数据集目录。导入由算力 Agent 扫描、校验、登记，并归属指定租户和项目。
-5. 模型发布区分测试服务和生产服务。测试服务项目内可启动并默认限流；生产服务必须审批。
-6. 数据脱敏和数据质量评分作为数据处理模块的一等能力进入第一期，先实现规则版脱敏、格式校验、重复率、完整性、长度分布等指标。
-7. 人工评测/复核作为第二期功能，但第一期需在数据库和页面入口预留人工复核状态与修订字段。
-8. 第一版支持从 checkpoint 手动恢复训练，不做自动失败续训。失败任务可选择 checkpoint 重试。
-9. 第一版必须支持 checkpoint 自动清理策略：默认保留最近 3 个、最优 2 个；已发布模型关联 checkpoint 不自动删除；失败任务 checkpoint 默认保留 14 天。
-10. 第一版提供内部 API，第二期再开放面向其他系统的标准 API、API Key、限流和 Webhook。
-11. 第一版使用本地账号，预留 OIDC/LDAP 字段和认证 provider 抽象；第二期接入企业统一身份认证。
-12. 第一版做 GPU 小时、磁盘占用、任务时长、推理调用量等用量统计；第二期再做成本单价和账单核算。
+4. 多算力节点仍按“单机多 GPU 节点”管理，每个节点独立部署算力服务和 LLaMA-Factory；节点之间不互相访问，由应用平台统一调度和资源同步。
+5. 多节点调度默认自动选择节点，同时支持管理员/高级用户手动指定节点；调度优先考虑节点健康、标签、权重、空闲 GPU、队列长度和资源副本是否已存在。
+6. 第一版必须支持离线导入已有模型和数据集目录。导入由算力 Agent 扫描、校验、登记，并归属指定租户和项目。
+7. 模型发布区分测试服务和生产服务。测试服务项目内可启动并默认限流；生产服务必须审批。
+8. 数据脱敏和数据质量评分作为数据处理模块的一等能力进入第一期，先实现规则版脱敏、格式校验、重复率、完整性、长度分布等指标。
+9. 人工评测/复核作为第二期功能，但第一期需在数据库和页面入口预留人工复核状态与修订字段。
+10. 第一版支持从 checkpoint 手动恢复训练，不做自动失败续训。失败任务可选择 checkpoint 重试。
+11. 第一版必须支持 checkpoint 自动清理策略：默认保留最近 3 个、最优 2 个；已发布模型关联 checkpoint 不自动删除；失败任务 checkpoint 默认保留 14 天。
+12. 第一版提供内部 API，第二期再开放面向其他系统的标准 API、API Key、限流和 Webhook。
+13. 第一版使用本地账号，预留 OIDC/LDAP 字段和认证 provider 抽象；第二期接入企业统一身份认证。
+14. 第一版做 GPU 小时、磁盘占用、任务时长、推理调用量等用量统计；第二期再做成本单价和账单核算。
 
 以上决策需要同步反映在接口文档、数据库 SQL、前端页面和部署方案中。第一版实现不再阻塞于这些问题的反复确认，除非实际部署环境与假设明显冲突。