feat: llm-filter 节点级断点存档

- 每条 LLM 判定成功立即追加 filter_partial.jsonl（多线程加锁串行化）
- 失败/中断后重跑只重判未判定条目，已判定结果复用，与 OCR 存档同机制
- 附带上下文净化回归重跑脚本（run_011d01f19999）

nodes/llm_filter.py

@@ -33,6 +33,7 @@ from __future__ import annotations
 import json
 import os
 import re
+import threading
 import time
 import urllib.error
 import urllib.request
@@ -71,6 +72,39 @@ _ALL_CATEGORIES = (
 )
 DELETE_CATEGORIES = {CATEGORY_GARBAGE, CATEGORY_OVERLAY, CATEGORY_NOISE}
 
+# 判定存档文件名：位于节点 output_dir，每行 {"index": 条目标引, "category": 类别}。
+# 每条 LLM 判定成功即追加一行；进程被杀/节点失败（如 429 限流）后重跑时，
+# 只对未判定的条目重新调用 LLM，已判定结果直接复用（类似 OCR 的断点存档）。
+_PARTIAL_NAME = "filter_partial.jsonl"
+
+# 判定存档追加写锁：多线程判定并发完成时串行化追加，避免行交错。
+_partial_lock = threading.Lock()
+
+
+def _load_partial(output_dir: Path) -> dict[int, str]:
+    """读取判定存档，返回 {条目标引: 类别}；无存档/损坏行跳过。"""
+    path = output_dir / _PARTIAL_NAME
+    if not path.is_file():
+        return {}
+    result: dict[int, str] = {}
+    for line in path.read_text(encoding="utf-8").splitlines():
+        if not line.strip():
+            continue
+        try:
+            item = json.loads(line)
+        except json.JSONDecodeError:
+            # 进程被杀时可能残留半行写入：跳过，对应条目视为未判定。
+            continue
+        result[int(item["index"])] = str(item["category"])
+    return result
+
+
+def _append_partial(output_dir: Path, index: int, category: str) -> None:
+    """线程安全地把一条判定结果追加到存档（成功判定后立即落盘）。"""
+    with _partial_lock:
+        with (output_dir / _PARTIAL_NAME).open("a", encoding="utf-8") as fh:
+            fh.write(json.dumps({"index": index, "category": category}, ensure_ascii=False) + "\n")
+
 # 规则层正则：横线装饰（含全角/半角横线、下划线、中点、句点等符号组合）。
 _DASH_RE = re.compile(r"^[\s\-—_~=•・。．.、]+$")
 # 规则层正则：URL / 邮箱。
@@ -295,7 +329,11 @@ def invoke(request: InvokeRequest) -> InvokeResponse:
     llm_needed = [i for i, verdict in enumerate(rule_verdicts) if verdict is None]
 
     # 阶段 2：LLM 分类层（去重：相同文本只判一次，上下文取首次出现）。
-    cat_by_index: dict[int, str] = {}
+    # 节点级断点存档：output_dir 提前建好，重跑时只重判未判定条目。
+    output_dir = Path(request.output_dir)
+    output_dir.mkdir(parents=True, exist_ok=True)
+    partial = _load_partial(output_dir)
+    cat_by_index: dict[int, str] = dict(partial)
     if llm_needed:
         if dedupe:
             first_of_key: dict[str, int] = {}
@@ -304,20 +342,24 @@ def invoke(request: InvokeRequest) -> InvokeResponse:
                 key = _dedup_key(entries[i]["text"])
                 if key not in first_of_key:
                     first_of_key[key] = i
-                    pool_indices.append(i)
+                    # 断点续跑：该键首次出现已在存档判定过则跳过（结果复用）。
+                    if i not in partial:
+                        pool_indices.append(i)
         else:
-            pool_indices = llm_needed
-
+            # 断点续跑：只处理未判定的条目。
+            pool_indices = [i for i in llm_needed if i not in partial]
         # 单条判断的工作函数：返回类别词；overlay_tokens 用于上下文净化。
         def judge_one(index: int) -> str:
             try:
-                return _judge_category(entries, index, context_size, request.params, overlay_tokens)
+                category = _judge_category(entries, index, context_size, request.params, overlay_tokens)
             except urllib.error.HTTPError as exc:
                 # 限流/服务端错误：通知线程池临时降低最大并发，避免持续超配额。
                 if exc.code == 429 or 500 <= exc.code < 600:
                     pool.report_failure()
                 raise
-
+            # 判定成功立即落盘（断点存档）：失败/中断后重跑不重复调用已判定条目。
+            _append_partial(output_dir, index, category)
+            return category
         # 进度日志：打印已判定条数、总数、平均处理速度（条/s）、最近窗口
         # 平均单条耗时与当前线程数（与 OCR 节点同一回调协议）。
         def log_progress(done: int, total: int, rate: float, avg_time: float, workers: int) -> None: