feat: 抓取进度可见 + 已入库秀预检（避免重复下载）

一、防重复下载
图片 key 是内容 sha1，不下载无法判断是否已存在；又没存 source_url，
于是每次重爬都把几百张已下过的图再下一遍（线上实测 Celine 62 分钟、0 新增）。
新增 GET /admin/internal/shows/covered?brand_uid=，按 (年份,季节,类型)
聚合已入库图片数，供 spider 抓前整场跳过。

二、进度可见
一次抓取可能跑几十分钟，此前只有 running/done，看不出「在干什么」，
也分不清「慢」和「卡死」。
- crawl_tasks 增加 progress_done/total/text/at
- POST /admin/internal/crawl/tasks/:id/progress（spider 每场 + 每批图片上报）
- GET /admin/crawl/live（页面 4 秒轮询，局部刷新状态/进度/已提交）
- progress_at 超过 10 分钟没更新标黄「可能卡住」
- 渲染测试守住进度列与轮询锚点

internal/repository/crawl_repository.go

@@ -35,6 +35,11 @@ type CrawlRepository interface {
 	Delete(ctx context.Context, id uint32) error
 	// Counts 各状态任务数，供导航角标使用。
 	Counts(ctx context.Context) (map[string]int64, error)
+	// UpdateProgress 记录执行进度（spider 每处理完一场秀上报一次）。
+	// 只对 running 生效：任务已被取消/回收时，迟到的进度不应把状态写回去。
+	UpdateProgress(ctx context.Context, id uint32, done, total int, text string) error
+	// ListActive 取 running + queued 的任务（后台进度轮询用）。
+	ListActive(ctx context.Context) ([]model.CrawlTaskRow, error)
 	// BrandCrawlStates 返回这些品牌在抓取队列里的「最近状态 + 最近时间」。
 	// 品牌列表用它展示「抓取状态 / 上次抓取」；没有任务记录的品牌不会出现在 map 里。
 	BrandCrawlStates(ctx context.Context, brandIDs []uint32) (map[uint32]BrandCrawlState, error)
@@ -42,6 +47,19 @@ type CrawlRepository interface {
 	//
 	// crawl_tasks 每品牌只有一行且会被覆盖，历史只存在 brand_crawl_logs 里。
 	ListCrawlLogs(ctx context.Context, brandID uint32, limit int) ([]model.CrawlLog, error)
+	// ShowCoverage 返回某品牌「已入库的秀 → 已有图片张数」，键是实体键（年份+季节+类型）。
+	//
+	// 用途：spider 抓取前预检，**整场跳过**已入库的秀。
+	// 没有它，重爬会把几百张已经下过的图再下一遍——图片 key 是内容 sha1，
+	// 不下载就无法知道它其实已经存在，带宽全白烧（线上实测 62 分钟 0 新增）。
+	ShowCoverage(ctx context.Context, brandID uint32) (map[ShowKey]int, error)
+}
+
+// ShowKey 一场秀的业务主键，与 ingest 的实体键一致（品牌 + 年份 + 季节 + 类型）。
+type ShowKey struct {
+	Year           uint16
+	Season         string
+	CollectionType string
 }
 
 // BrandCrawlState 品牌最近一次抓取任务的状态快照。
@@ -60,7 +78,9 @@ func NewCrawlRepository(db *gorm.DB) CrawlRepository {
 }
 
 const crawlColumns = `t.id, t.brand_id, t.status, t.priority, t.max_shows, t.worker,
-	t.locked_at, t.attempts, t.shows_submitted, t.last_error, t.created_at, t.updated_at,
+	t.locked_at, t.attempts, t.shows_submitted, t.last_error,
+	t.progress_done, t.progress_total, t.progress_text, t.progress_at,
+	t.created_at, t.updated_at,
 	coalesce(b.name_en, '') AS brand_name`
 
 func (r *crawlRepository) Enqueue(ctx context.Context, brandID uint32, maxShows int, priority int) (bool, error) {
@@ -307,6 +327,46 @@ func (r *crawlRepository) List(ctx context.Context, offset, limit int) ([]model.
 	return rows, total, nil
 }
 
+// UpdateProgress 写入进度心跳。
+//
+// 用 `AND status = 'running'` 而不是无条件更新：
+// 后台可能刚把任务取消，此时迟到的进度不该把它写活，
+// 也不该刷新 updated_at 掩盖「已经被取消」的事实。
+func (r *crawlRepository) UpdateProgress(ctx context.Context, id uint32, done, total int, text string) error {
+	if done < 0 {
+		done = 0
+	}
+	if total < 0 {
+		total = 0
+	}
+	if len(text) > 160 {
+		text = text[:160]
+	}
+	now := uint32(time.Now().Unix())
+	return r.db.WithContext(ctx).Exec(
+		`UPDATE crawl_tasks
+		    SET progress_done = ?, progress_total = ?, progress_text = ?,
+		        progress_at = ?, updated_at = ?
+		  WHERE id = ? AND status = 'running'`,
+		done, total, text, now, now, id).Error
+}
+
+// ListActive 取正在跑与排队中的任务，供后台进度轮询（全量返回，不分页）。
+// 只取 runnning/queued：已完成的任务进度不会再变，没必要每 4 秒重传一遍。
+func (r *crawlRepository) ListActive(ctx context.Context) ([]model.CrawlTaskRow, error) {
+	var rows []model.CrawlTaskRow
+	err := r.db.WithContext(ctx).Raw(`
+		SELECT `+crawlColumns+`
+		  FROM crawl_tasks t LEFT JOIN brands b ON b.id = t.brand_id
+		 WHERE t.status IN ('running', 'queued')
+		 ORDER BY CASE t.status WHEN 'running' THEN 0 ELSE 1 END, t.id DESC
+		 LIMIT 200`).Scan(&rows).Error
+	if err != nil {
+		return nil, err
+	}
+	return rows, nil
+}
+
 func (r *crawlRepository) SetStatus(ctx context.Context, id uint32, status string) error {
 	return r.db.WithContext(ctx).Model(&model.CrawlTask{}).Where("id = ?", id).
 		Updates(map[string]any{
@@ -382,3 +442,32 @@ func (r *crawlRepository) Counts(ctx context.Context) (map[string]int64, error)
 	}
 	return out, nil
 }
+
+// ShowCoverage 统计每个「(年份, 季节, 类型)」已入库的图片张数。
+//
+// 只统计未软删的图：一张被删过的秀如果只剩几张，说明当初没抓全，
+// 调用方会按阈值判断是否值得重抓，而不是一律跳过。
+// JOIN 保证 image_count > 0，没有图的秀不会出现在结果里。
+func (r *crawlRepository) ShowCoverage(ctx context.Context, brandID uint32) (map[ShowKey]int, error) {
+	var rows []struct {
+		Year           uint16 `gorm:"column:year"`
+		Season         string `gorm:"column:season"`
+		CollectionType string `gorm:"column:collection_type"`
+		Images         int    `gorm:"column:images"`
+	}
+	if err := r.db.WithContext(ctx).Raw(
+		`SELECT r.year, coalesce(r.season, '') AS season, coalesce(r.collection_type, '') AS collection_type,
+		        count(i.id) AS images
+		   FROM brand_runways r
+		   JOIN brand_runway_images i ON i.runway_id = r.id AND i.is_deleted = 0
+		  WHERE r.brand_id = ? AND r.is_deleted = 0
+		  GROUP BY r.year, r.season, r.collection_type`,
+		brandID).Scan(&rows).Error; err != nil {
+		return nil, err
+	}
+	out := make(map[ShowKey]int, len(rows))
+	for _, row := range rows {
+		out[ShowKey{Year: row.Year, Season: row.Season, CollectionType: row.CollectionType}] = row.Images
+	}
+	return out, nil
+}