feat: 抓取任务队列 + 媒体机直传 + 向量回填

crawl（品牌抓取任务队列）
- /admin/internal/crawl/tasks 领取 / :id/result 回报，spider 可常驻拉任务
- 后台品牌列表支持「加入抓取队列」，队列页可看状态与重试
- 租约超时的 running 自动回收为 queued，避免 worker 崩溃后任务卡死

media（媒体机直传）
- ingest 载荷新增 main_key/detail_keys/main_size/detail_sizes：
  有 key 就直接落库，跳过下载与上传；与 URL 形态可逐图混用
- 细节图按 Details/DetailKeys 两者较长者遍历（只给 key 时不再丢图）
- 媒体机上传的 key 不进失败回滚清单（内容寻址、可能与他人共享）
- /admin/internal/upload-url 签发 S4 PUT 预签名（spider 不持有 AK/SK）

embeddings（向量回填）
- GET /admin/internal/embeddings/pending 派发缺向量的图（含可直接下载的 url）
- POST /admin/internal/embeddings 回写向量并重算近邻；失败项计入
  image_embedding_failures，连续失败到上限后退出队列（坏图不占位）
- 近邻重算改为异步串行：同步会让 100 张的批次 POST 超时（实测 >60s）
- 新增 key 分支单测：混用 key/url、细节图只给 key、字节数、回滚清单、向量占位

internal/repository/brand_repository.go

@@ -52,6 +52,16 @@ type BrandRepository interface {
 	// 规则：先按品牌总图片数取前 limit 个热门品牌，再为每个品牌取最新一篇走秀。
 	// 返回的是仓储层裸数据（数字主键），对外编码由 service 层负责。
 	PopularWithCover(ctx context.Context, limit int) ([]PopularBrandRow, error)
+
+	// StatsByIDs 批量统计若干品牌的「图集数 / 图片数」，供后台列表展示数据量。
+	// 只查当前页的 id，避免为了两列统计把整张品牌表都聚合一遍。
+	StatsByIDs(ctx context.Context, ids []uint32) (map[uint32]BrandStats, error)
+}
+
+// BrandStats 品牌数据量统计（后台列表用）。
+type BrandStats struct {
+	Runways int64 // 未删除的图集数
+	Images  int64 // 未删除的图片数
 }
 
 // PopularBrandRow 热门品牌裸数据：品牌数字主键 + 中英文名称 + 代表走秀封面/中英文标题/文章 ID。
@@ -174,11 +184,30 @@ func (r *brandRepository) list(ctx context.Context, q dto.BrandQuery, restrictID
 		return []model.Brand{}, 0, nil
 	}
 
-	var items []model.Brand
-	if err := r.db.WithContext(ctx).
+	// 后台可按「最近有动静」排序：走秀图集的 updated_at 与抓取任务的 updated_at 取大。
+	//
+	// 性能注意：不要写成逐行的相关子查询（2.3 万品牌 × 2 个子查询实测 2.7 秒）。
+	// 这里先把两张小表各自按品牌聚合（brand_runways / crawl_tasks 都只有几百行），
+	// 再 LEFT JOIN 到品牌表排序 —— 一次哈希连接 + 一次排序，量级降到百毫秒。
+	// 公开侧不传 Sort，保持原有 name_en ASC，前台顺序不变。
+	itemsQ := r.db.WithContext(ctx).
 		Model(&model.Brand{}).
-		Scopes(scope).
-		Order("name_en ASC").
+		Scopes(scope)
+	if admin && q.Sort == "updated" {
+		itemsQ = itemsQ.
+			Joins(`LEFT JOIN (SELECT brand_id, max(updated_at) AS u
+			                     FROM brand_runways WHERE is_deleted = 0 GROUP BY brand_id) br
+			        ON br.brand_id = brands.id`).
+			Joins(`LEFT JOIN (SELECT brand_id, max(updated_at) AS u
+			                     FROM crawl_tasks GROUP BY brand_id) ct
+			        ON ct.brand_id = brands.id`).
+			Order("GREATEST(coalesce(br.u, 0), coalesce(ct.u, 0)) DESC, name_en ASC")
+	} else {
+		itemsQ = itemsQ.Order("name_en ASC")
+	}
+
+	var items []model.Brand
+	if err := itemsQ.
 		Offset(q.Offset()).
 		Limit(q.Size).
 		Find(&items).Error; err != nil {
@@ -319,6 +348,36 @@ func (r *brandRepository) CrawlBrands(ctx context.Context, brandID uint32) ([]mo
 //  3. 结果按热门品牌排名顺序返回
 //
 // 注意：created_at/updated_at 是数据导入时间，不能代表走秀新旧，因此必须用 year + season_code。
+// StatsByIDs 批量统计图集数 / 图片数（只针对传入的 id，通常是一页 30 个）。
+func (r *brandRepository) StatsByIDs(ctx context.Context, ids []uint32) (map[uint32]BrandStats, error) {
+	out := make(map[uint32]BrandStats, len(ids))
+	if len(ids) == 0 {
+		return out, nil
+	}
+	var rows []struct {
+		BrandID uint32
+		Runways int64
+		Images  int64
+	}
+	// 一次查询同时拿两个计数：按品牌聚合图集，再左连图片聚合，避免 N+1。
+	err := r.db.WithContext(ctx).Raw(`
+		SELECT r.brand_id,
+		       count(DISTINCT r.id) AS runways,
+		       count(i.id)          AS images
+		  FROM brand_runways r
+		  LEFT JOIN brand_runway_images i
+		         ON i.runway_id = r.id AND i.is_deleted = 0
+		 WHERE r.is_deleted = 0 AND r.brand_id IN ?
+		 GROUP BY r.brand_id`, ids).Scan(&rows).Error
+	if err != nil {
+		return out, err
+	}
+	for _, row := range rows {
+		out[row.BrandID] = BrandStats{Runways: row.Runways, Images: row.Images}
+	}
+	return out, nil
+}
+
 func (r *brandRepository) PopularWithCover(ctx context.Context, limit int) ([]PopularBrandRow, error) {
 	if limit < 1 {
 		limit = 20