feat(ai): AI 教练 —— 晨间简报、运动处方、趋势归因与 Copilot

数值全部在服务端算好再交给模型，模型只做解读。让模型从 CSV 里自己推
z 分数，它算错的次数足以让简报引用图表反驳它的数字。

- services/insights.py：z 分数（28 天个人基线，且**排除当天**——用一个
  值参与算出来的均值去衡量它自己，会把真实离群点摊平）、13 个月趋势斜率
  （按序数日期最小二乘，手表放充电器上一周不会压缩 x 轴）、近 7 天活动量
  对比。
- services/coach.py：三套提示词 + 回复解析，每套都配一个规则引擎版本。
  网关一次生成要几分钟，上游被限流时给一个朴素的答案，好过给一张空卡片。
- services/ai.py：多轮 chat()、SSE stream()、complete()/stream_chat()，
  以及 extract_json()——上游是推理模型，可见输出以思维链开头，所以从末尾
  倒着找最后一个配平的 JSON（字符串感知，扛得住引号里的 } 和转义引号）。
- 接口 briefing / trend-insight / copilot(SSE)，缓存表 ai_insights。
- 前端：今日页晨报卡（后台生成 + 轮询升级）、全局 Copilot 浮窗、指标详情
  页归因面板。features.ai 打开。

实测（对着自建 ai-gateway）：晨报一次 273 秒，缓存命中 18 毫秒——所以简报
绝不能同步阻塞首屏。网关的流式通道比阻塞通道更不可靠：同一条提示词流式
139 秒后返回「所有模型均不可用」，阻塞则成功，因此 stream_chat() 在流式零
输出时对同一模型退回非流式重试。Copilot 实测 TTFB 9ms、全程 40 秒。

顺带修两处：refresh 原来只跳过缓存读、不删行，导致「重新生成」后的轮询读
到旧行、看到 cached 就停了，用户一直盯着他刚要求替换掉的那段字；基线零方差
时原来返回 z=0.0，把「和每一条观测都不同」标成「完全正常」，改为 z=null。

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

README.md

@@ -153,7 +153,26 @@ python tests/smoke.py
 
 ### 分析与建议
 - `GET /api/analysis/trends` - 获取数据趋势
-- `GET /api/analysis/recommendations` - 获取健康建议
+- `GET /api/analysis/recommendations` - 规则引擎健康建议
+- `GET /api/analysis/models` - 可用大模型及其配置状态
+- `GET /api/analysis/ai-recommendations` - 大模型健康建议（带缓存）
+
+### AI 教练
+- `GET /api/analysis/briefing` - 晨间简报 + 今日运动处方，附计算出的特征上下文
+  - 立即返回。若没有匹配当前数据的模型答案，先返回规则版并带上
+    `meta.pending`，模型版本在后台生成，再次请求即可取到
+  - `?date=` 指定日期（默认最新有数据的一天）、`?refresh=1` 忽略缓存、
+    `?wait=1` 阻塞等待模型（一次生成 2~5 分钟）
+- `GET /api/analysis/trend-insight?metric=&startDate=&endDate=` - 对选定区间内
+  单个指标的变化做归因分析（阻塞，未知指标返回 400 并附 `supported` 列表）
+- `POST /api/analysis/copilot` - 健康 Copilot 问答，SSE 流式返回
+  - 请求体 `{question, history?, date?, model?}`
+  - 事件序列 `start` → `delta`* → `done`，失败时为 `error`
+
+> AI 相关接口全部经由自建 **ai-gateway**（OpenAI 兼容，见 `AI_GATEWAY_BASE_URL`）。
+> 该网关的主上游是大型推理模型，一次生成实测需 2~5 分钟，因此简报走后台生成 +
+> 轮询，趋势归因与 Copilot 走显式触发；任一模型失败时降级为规则引擎，
+> `meta.source` 会说明本次由谁作答。
 
 ## 🔐 安全说明