feat(ai): 每个数据页面都有 AI 解读，靠一条带优先级的生产者/消费者队列

原来只有今日页有晨报、指标详情页有归因，其余页面一片空白。现在除设置外
的 10 个页面都有：健康、睡眠、运动、趋势、每日、身体成分、成绩预测、
身体年龄、挑战赛、运动详情。

不是给每个页面写一套，而是一个通用管线：
- services/scopes.py：一个页面一个 context builder，返回同一个信封。
  context["highlights"] 是已经算好的白话事实——模型负责解读它们，模型不
  可用时规则引擎原样渲染。两者引用同一批数字，所以降级读起来不像换了个 App。
  没数据的页面返回 None，宁可不出卡片，也不让模型对着空表格发挥。
- coach.scope_messages / parse_scope_insight：一套提示词吃所有页面，页面
  的差异全在 context 里，加页面 = 加一个 builder。
- 前端 <AiPanel scope="…">：一个组件渲染所有页面，轮询逻辑抽成
  lib/insight.ts 的 usePolledInsight，晨报卡也改用它。

## 队列

一次生成 40 秒到 4.5 分钟，所以什么都不能在请求里生成。页面只负责入队，
worker 负责消费（services/jobs.py）。

优先级才是用队列而不是后台线程的理由：同步完成后 prefetch 把所有页面按
背景优先级排进去，可能要跑半小时；而用户一打开某个页面，那个页面的任务
立刻提到队首、下一个就跑。你在看什么，队列就在算什么。

队列放在数据库而不是内存里，因为 gunicorn 有两个 worker：任务带 holder
声明后回读确认，和 scheduler.py 抢 tick 是同一套做法。id 由
user+kind+subject 推导，所以每几秒一次的轮询是幂等的入队，不会每几秒堆一
个任务。

## 网关中断时踩到的两个坑（当场修了）

写完正好赶上 oracle 那台机器不通，于是看到：
- 三次失败后任务被永久标 failed，网关恢复了也不会重试——一次瞬时中断就把
  那个页面的解读判了死刑，直到它的数据碰巧变化。加了冷却期，过期后重置
  尝试次数再排一次。
- 队列已经放弃了，页面还在 pending 转圈，要转满 8 分钟才停。meta.pending
  现在跟着队列状态走，并把失败原因带给卡片。

顺带把 BAND_SOURCES 从 routes/settings.py 下沉到 services/insights.py：
教练要拿它做参照，而 services 不该反向依赖 routes。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

client/src/services/api.ts

@@ -427,6 +427,27 @@ export interface TrendInsightResponse {
   meta: InsightMeta;
 }
 
+/** One screen's AI reading. The same shape for every screen, so one component
+ *  renders all of them. */
+export interface ScopeInsight {
+  headline: string | null;
+  points: Array<{ title: string; detail: string }>;
+  actions: string[];
+  caution: string | null;
+  confidence: 'high' | 'medium' | 'low';
+}
+
+export interface ScopeInsightResponse {
+  insight: ScopeInsight | null;
+  context: Record<string, any> | null;
+  meta: InsightMeta;
+}
+
+/** Screens the coach can read. Mirrors SCOPES in backend/services/scopes.py. */
+export type InsightScope =
+  | 'health' | 'sleep' | 'exercise' | 'trends' | 'daily'
+  | 'body' | 'race' | 'bodyAge' | 'challenges' | 'activity';
+
 export interface CopilotTurn {
   role: 'user' | 'assistant';
   content: string;
@@ -777,6 +798,34 @@ class ApiClient {
   }
 
   // --- AI coach ---
+  /**
+   * One screen's AI reading.
+   *
+   * Answers immediately: while the model's version is being generated the
+   * computed highlights come back with `meta.pending`, and opening the screen
+   * puts its job at the front of the coach's queue. Poll to pick up the
+   * finished version.
+   */
+  async getInsight(
+    scope: InsightScope,
+    opts: { subject?: string; refresh?: boolean } = {}
+  ) {
+    const { data } = await this.client.get<ScopeInsightResponse>('/analysis/insight', {
+      params: {
+        scope, subject: opts.subject, ...(opts.refresh ? { refresh: 1 } : {}),
+      },
+    });
+    return data;
+  }
+
+  /** How much the coach still has to generate — for a progress hint. */
+  async getInsightQueue() {
+    const { data } = await this.client.get<{ pending: number; enabled: boolean }>(
+      '/analysis/insight/queue'
+    );
+    return data;
+  }
+
   /**
    * 晨间简报 for one day, plus the computed context behind it.
    *