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/tests/test_ai.py

@@ -89,15 +89,25 @@ def test_predict_applies_crop_and_background_filter_options(client, monkeypatch)
 
 def test_predict_box_and_semantic_fallback(client, monkeypatch):
     _, frame, _ = _create_project_and_frame(client)
+    calls = {}
     monkeypatch.setattr("routers.ai._load_frame_image", lambda frame: np.zeros((10, 10, 3), dtype=np.uint8))
     monkeypatch.setattr("routers.ai.sam_registry.predict_box", lambda model, image, box: (
         [[[0.2, 0.2], [0.8, 0.2], [0.8, 0.8]]],
         [0.8],
     ))
-    monkeypatch.setattr("routers.ai.sam_registry.predict_semantic", lambda model, image, text: (
-        [[[0.0, 0.0], [1.0, 0.0], [1.0, 1.0]]],
-        [0.5],
-    ))
+
+    def fake_predict_semantic(model, image, text, confidence_threshold=None):
+        calls["semantic"] = {
+            "model": model,
+            "text": text,
+            "confidence_threshold": confidence_threshold,
+        }
+        return (
+            [[[0.0, 0.0], [1.0, 0.0], [1.0, 1.0]]],
+            [0.5],
+        )
+
+    monkeypatch.setattr("routers.ai.sam_registry.predict_semantic", fake_predict_semantic)
 
     box_response = client.post("/api/ai/predict", json={
         "image_id": frame["id"],
@@ -108,12 +118,19 @@ def test_predict_box_and_semantic_fallback(client, monkeypatch):
         "image_id": frame["id"],
         "prompt_type": "semantic",
         "prompt_data": "胆囊",
+        "model": "sam3",
+        "options": {"min_score": 0.05},
     })
 
     assert box_response.status_code == 200
     assert box_response.json()["scores"] == [0.8]
     assert semantic_response.status_code == 200
     assert semantic_response.json()["scores"] == [0.5]
+    assert calls["semantic"] == {
+        "model": "sam3",
+        "text": "胆囊",
+        "confidence_threshold": 0.05,
+    }
 
 
 def test_predict_interactive_combines_box_and_points(client, monkeypatch):