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）。

tests/app/test_scheduler/test_scheduler.py

@@ -116,6 +116,72 @@ def test_topological_sort_diamond() -> None:
     assert set(order[1:3]) == {"b", "c"}
 
 
+def test_execute_run_stop_after_leaves_run_running_and_resumes(tmp_path: Path) -> None:
+    """分阶段执行：stop_after 指定阶段节点后停下（保持 RUNNING、不收尾），再次调用续跑完成。"""
+    # 数据：a → b → c 三段 echo 链 + 最终别名。
+    definition = _definition(
+        nodes=[
+            {"id": "a", "node_type": "echo", "inputs": {"file_uri": "input.video_uri"}},
+            {"id": "b", "node_type": "echo", "inputs": {"file_uri": "a.file_uri"}},
+            {"id": "c", "node_type": "echo", "inputs": {"file_uri": "b.file_uri"}},
+        ],
+        edges=[{"from": "a", "to": "b"}, {"from": "b", "to": "c"}],
+        final_outputs={"result": "c.file_uri"},
+    )
+    storage = tmp_path / "storage"
+    db = _db_with_workflow(tmp_path, definition)
+    source = tmp_path / "input.txt"
+    source.write_text("分阶段内容", encoding="utf-8")
+    db.create_run(_run("run-stage", str(source)))
+    registry.register_all()
+    scheduler = _scheduler(db, storage)
+
+    # 测试过程：第一阶段只执行到 b 为止。
+    scheduler.execute_run("run-stage", stop_after="b")
+
+    # 验证结果：任务保持 RUNNING 未收尾，a/b 产物已登记，c 与最终别名都没有。
+    staged = db.get_run("run-stage")
+    assert staged["status"] == "RUNNING"
+    assert staged["current_node_id"] == "b"
+    names = {artifact["name"] for artifact in db.list_artifacts("run-stage")}
+    assert {"a.file_uri", "b.file_uri"} <= names
+    assert "c.file_uri" not in names
+    assert "result" not in names
+
+    # 测试过程：不传 stop_after 时整条 DAG 跑完并收尾。
+    scheduler.execute_run("run-stage")
+
+    # 验证结果：完成、进度 1.0、最终别名登记。
+    finished = db.get_run("run-stage")
+    assert finished["status"] == "COMPLETED"
+    assert finished["progress"] == 1.0
+    assert "result" in {artifact["name"] for artifact in db.list_artifacts("run-stage")}
+
+
+def test_execute_run_stop_after_unknown_node_marks_failed(tmp_path: Path) -> None:
+    """stop_after 指向不存在的节点时任务标 FAILED（不留下永远 RUNNING 的任务）。"""
+    # 数据：单 echo 节点任务。
+    definition = _definition(
+        nodes=[{"id": "step", "node_type": "echo", "inputs": {"file_uri": "input.video_uri"}}],
+        edges=[],
+        final_outputs={"result": "step.file_uri"},
+    )
+    storage = tmp_path / "storage"
+    db = _db_with_workflow(tmp_path, definition)
+    source = tmp_path / "input.txt"
+    source.write_text("内容", encoding="utf-8")
+    db.create_run(_run("run-bad-stage", str(source)))
+    registry.register_all()
+
+    # 测试过程
+    _scheduler(db, storage).execute_run("run-bad-stage", stop_after="nope")
+
+    # 验证结果：FAILED 且错误说明阶段节点不存在。
+    stored = db.get_run("run-bad-stage")
+    assert stored["status"] == "FAILED"
+    assert "stop_after" in (stored["error"] or "")
+
+
 # ---------------------------------------------------------------------------
 # 执行：成功路径
 # ---------------------------------------------------------------------------