feat: 完善 AI 分割与工作区标注闭环

功能增加:

- 将视频导入和生成帧拆成两个明确动作，项目库生成帧时选择 FPS，工作区不再自动触发拆帧。

- 为工作区新增调整多边形工具，支持选中 mask、拖动顶点、边中点插点、双击边界按位置插点，并保留多 polygon 子区域编辑。

- 打通 AI 页 SAM2/SAM3 结果到工作区的联动，生成 mask 后自动选中，可在右侧分类树换标签，并推送到工作区继续编辑。

- 增强 Dashboard WebSocket 连接状态与心跳，使用真实 onopen/onclose/onerror 状态驱动前端显示。

- 完善 SAM3 external worker 适配，支持 box prompt、semantic 请求级阈值和 video tracker 路径。

bugfix:

- 修复 SAM2 文本语义误走自动分割的问题，改为提示使用点提示或切换 SAM3。

- 修复 SAM2 多候选重叠显示的问题，点提示和 auto fallback 默认只采用最高分候选。

- 修复 SAM2 反向点看起来无效的问题，带负点时启用背景过滤，过滤为空时移除旧候选。

- 修复 SAM3 单个 2D mask 结果无法转 polygon、低阈值 semantic 返回被默认阈值吞掉的问题。

- 修复 AI 页 mask 未选中导致分类树无法修改 SAM2 结果标签的问题。

测试和文档:

- 补充 CanvasArea、AISegmentation、ProjectLibrary、VideoWorkspace、Dashboard、websocket 和 SAM engine/API 测试。

- 新增 backend/tests/test_sam2_engine.py，覆盖 SAM2 单候选请求和 auto fallback 行为。

- 更新 README、AGENTS 和 doc 需求/设计/接口/测试矩阵，按当前实现冻结功能状态。

backend/routers/ai.py

@@ -340,7 +340,21 @@ def predict(payload: PredictRequest, db: Session = Depends(get_db)) -> dict:
 
         elif prompt_type == "semantic":
             text = payload.prompt_data if isinstance(payload.prompt_data, str) else ""
-            polygons, scores = sam_registry.predict_semantic(payload.model, image, text)
+            min_score = options.get("min_score")
+            confidence_threshold = None
+            if min_score is not None:
+                try:
+                    parsed_min_score = float(min_score)
+                    if parsed_min_score > 0:
+                        confidence_threshold = parsed_min_score
+                except (TypeError, ValueError):
+                    confidence_threshold = None
+            polygons, scores = sam_registry.predict_semantic(
+                payload.model,
+                image,
+                text,
+                confidence_threshold=confidence_threshold,
+            )
 
         else:
             raise HTTPException(status_code=400, detail=f"Unsupported prompt_type: {prompt_type}")
@@ -352,6 +366,13 @@ def predict(payload: PredictRequest, db: Session = Depends(get_db)) -> dict:
             raise HTTPException(status_code=400, detail=str(exc)) from exc
 
     polygons, scores = _filter_predictions(polygons, scores, options, negative_points)
+    logger.info(
+        "AI predict completed model=%s prompt_type=%s frame_id=%s polygons=%d",
+        payload.model or "default",
+        prompt_type,
+        payload.image_id,
+        len(polygons),
+    )
     return {"polygons": polygons, "scores": scores}