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_sam3_engine.py

@@ -4,7 +4,7 @@ from pathlib import Path
 import numpy as np
 
 from services.sam3_engine import SAM3Engine
-from services.sam3_external_worker import _to_numpy
+from services.sam3_external_worker import _prediction_to_response, _to_numpy
 
 
 class _Completed:
@@ -98,6 +98,41 @@ def test_sam3_predict_semantic_uses_external_worker(tmp_path, monkeypatch):
     assert any("--request" in args for args in calls)
 
 
+def test_sam3_predict_semantic_allows_request_threshold_override(tmp_path, monkeypatch):
+    _external_settings(monkeypatch, tmp_path / "python")
+
+    def fake_run(args, **_kwargs):
+        if "--status" in args:
+            return _Completed(stdout=json.dumps({
+                "available": True,
+                "package_available": True,
+                "checkpoint_access": True,
+                "python_ok": True,
+                "torch_ok": True,
+                "cuda_available": True,
+                "device": "cuda",
+                "message": "ready",
+            }))
+        request_path = Path(args[-1])
+        request = json.loads(request_path.read_text(encoding="utf-8"))
+        assert request["confidence_threshold"] == 0.05
+        return _Completed(stdout=json.dumps({
+            "polygons": [[[0.2, 0.2], [0.6, 0.2], [0.6, 0.6]]],
+            "scores": [0.07],
+        }))
+
+    monkeypatch.setattr("services.sam3_engine.subprocess.run", fake_run)
+
+    polygons, scores = SAM3Engine().predict_semantic(
+        np.zeros((8, 8, 3), dtype=np.uint8),
+        "surgical scene",
+        confidence_threshold=0.05,
+    )
+
+    assert len(polygons) == 1
+    assert scores == [0.07]
+
+
 def test_sam3_predict_box_uses_external_worker(tmp_path, monkeypatch):
     _external_settings(monkeypatch, tmp_path / "python")
 
@@ -243,3 +278,16 @@ def test_sam3_worker_casts_floating_tensors_before_numpy():
 
     assert tensor.float_called is True
     assert result.tolist() == [1.0]
+
+
+def test_sam3_worker_converts_single_2d_mask_to_polygon():
+    mask = np.zeros((12, 12), dtype=np.uint8)
+    mask[2:10, 3:9] = 1
+
+    result = _prediction_to_response({
+        "masks": mask,
+        "scores": np.array([0.82], dtype=np.float32),
+    })
+
+    assert len(result["polygons"]) == 1
+    assert result["scores"] == [0.8199999928474426]