feat: 批量分块流水线、本地模型显存让渡与任务列表分工

批量引擎改为「分块流水线」：视频按 WOV_BATCH_STAGE_GROUP_SIZE（默认 8）分组，
组内按 DAG 拓扑序跑完全部视频（全部 extract → 全部 ASR → 全部翻译 → 全部 ASS）
再进入下一组，本地模型每组只加载一次、卸载一次，而不是每个视频来回加载卸载；
产物仍按组增量落到视频旁。调度器新增 execute_run(run_id, stop_after=节点)：
该节点完成后任务保持 RUNNING 不收尾，下一次调用从产物表跳过已完成节点继续，
用于实现阶段边界。

- nodes/llm.py：翻译节点结束释放本机 Ollama 显存（node 参数 unload_after >
  LLM_UNLOAD_AFTER > 本机 loopback 端点默认卸载，云端端点不卸载；卸载失败只告警），
  新增 keep_model.flag 语义（阶段内保持常驻）与 release_local_model()；
  新增节点内暂停（按批 20 行检查 paused.flag，抛 PauseRequested，调度器保持 PAUSED）。
- src/wov_app/batch.py：分组阶段执行与阶段末统一释放显存；失败视频只在它失败
  节点的那个阶段重试（避免 LLM 已常驻时重跑 ASR 抢显存）；任务没有明细时保持
  QUEUED 等登记完成、仍有未完成视频时置回 QUEUED 自愈（原先留 RUNNING 会卡死：
  引擎只拾取 QUEUED，任务停在“运行中但没人推进”）；无失败视频时删除任务级空目录；
  每个阶段开始前清理 paused.flag / keep_model.flag，避免强杀残留影响后续阶段。
- src/wov_app/config.py：新增 WOV_BATCH_STAGE_GROUP_SIZE（设为 1 即旧的每视频全链路）。
- 任务列表与批量页分工：GET /api/runs 默认排除 source=batch（一个批量任务会产生
  N 条单视频 run，会把 20 条窗口占满；且任务管理页的暂停/重试/删除对批量 run
  语义不成立），需要排查时用 include_batch=1；作为补偿批量页详情新增阶段列
  （阶段 i/N · 中文标签，由该视频 run 的 current_node_id 在 DAG 拓扑序中的位置
  推导，节点类型映射中文标签）。阶段只有节点边界粒度，句级进度不落库、只在日志。
- 顺带纳入此前未提交的批量僵尸状态恢复：recover_interrupted_batch_jobs 除 RUNNING
  外也把「COMPLETED 但仍含未结束视频」的任务置回 QUEUED；fix_zombie_batch_jobs.py
  改为按条件扫描并支持 --apply 预览；批量页明细只列本批真正处理过的视频。

测试新增/更新：分块流水线调用顺序（组内按节点跑完再下一组）、每组只释放一次模型、
阶段内保持常驻标志、翻译按批暂停、失败视频不跨阶段推进、任务无明细/中途登记视频时
置回 QUEUED、任务工作空间与残留信号清理、任务列表默认过滤批量 run、详情阶段字段、
前端阶段列渲染；全量 507 passed（唯一失败为既有素材缺失的 integration 用例）。

src/wov_app/scheduler.py

@@ -124,11 +124,19 @@ class WorkflowScheduler:
             return None
         return outputs_by_node.get(node_id, {}).get(key)
 
-    def execute_run(self, run_id: str) -> None:
-        """执行单个任务：加载 DAG、按拓扑顺序调用节点并登记产物。"""
+    def execute_run(self, run_id: str, stop_after: str | None = None) -> None:
+        """执行单个任务：加载 DAG、按拓扑顺序调用节点并登记产物。
+
+        stop_after 指定"只执行到该节点"（批量分块流水线的阶段执行）：该节点完成
+        后任务保持 RUNNING 不收尾，下一次调用从产物表跳过已完成节点继续后面的
+        阶段；不传时执行整条 DAG 并收尾（登记 final_outputs、标 COMPLETED）。
+        """
         run = self.db.get_run(run_id)
-        # 任务不存在或不在可执行状态（排队/暂停）时直接返回，避免重复执行。
-        if run is None or run["status"] not in ("QUEUED", "PAUSED"):
+        # 任务不存在或不在可执行状态时直接返回，避免重复执行。RUNNING 只来自
+        # 分阶段执行的上一个阶段（任务保持 RUNNING 等下一阶段）或进程异常中断的
+        # 残留，续跑时已完成节点由产物表跳过；调度器只拾取 QUEUED 任务、批量
+        # 引擎单线程推进，不会出现两个驱动方重复执行同一任务。
+        if run is None or run["status"] not in ("QUEUED", "PAUSED", "RUNNING"):
             return
         # 已暂停的任务不自动续跑：直接返回保持 PAUSED，等用户显式 resume
         # （resume 转回 QUEUED 后才执行）；否则暂停会被立刻覆盖成 RUNNING。
@@ -153,6 +161,9 @@ class WorkflowScheduler:
             definition = WorkflowDefinition.from_dict(version["definition"])
             definition.validate()
             ordered = topological_sort(definition)
+            # 阶段节点必须存在于 DAG：写错会让任务永远停在 RUNNING 无人推进。
+            if stop_after is not None and stop_after not in ordered:
+                raise ValueError(f"stop_after node not in workflow: {stop_after}")
         except Exception as exc:  # noqa: BLE001
             logger.exception("任务 %s 工作流定义无效，标记失败: %s", run_id, exc)
             self.db.update_run(
@@ -177,6 +188,9 @@ class WorkflowScheduler:
                     return
                 # 断点续跑：跳过已产出结果的节点（其产物已作为输入可用）。
                 if node_id in outputs_by_node:
+                    # 阶段边界落在已完成的节点上：直接结束本阶段。
+                    if node_id == stop_after:
+                        break
                     continue
                 # 当前节点进度 = 已完成节点数 / 总节点数。
                 node_spec = next(item for item in definition.nodes if item.id == node_id)
@@ -244,6 +258,17 @@ class WorkflowScheduler:
                     time.monotonic() - node_started,
                     time.monotonic() - run_started,
                 )
+                # 阶段边界：本阶段节点已完成，不再执行后续节点。
+                if node_id == stop_after:
+                    break
+            # 分阶段执行：本阶段节点已全部完成（含本轮跳过的情况），任务保持
+            # RUNNING 等下一个阶段，不做 final_outputs 与完成标记。
+            if stop_after is not None:
+                logger.info(
+                    "任务 %s 阶段完成: 已执行到节点 %s（分阶段执行，保持 RUNNING 等下一阶段）",
+                    run_id, stop_after,
+                )
+                return
             # 处理 final_outputs，为用户端提供简洁的下载别名。
             for alias, ref in definition.final_outputs.items():
                 resolved = self._resolve_ref(ref, run.get("input_uri"), outputs_by_node)