feat: 事件时间轴缩略帧 + 人物管理头像 + 人物合并硬规则校验

## 新架构：Oracle 集中计算 + NAS 代理展示

### Oracle 端 (fam-edge)
- 新增 frame_service: ffmpeg 视频抽帧 + VLM 人物定位裁剪头像（磁盘缓存）
- 新增 /api/oracle/frame: 按 video_id+ts 抽帧返回 jpeg（带 token）
- 新增 /api/oracle/avatar: 按 label 生成人物头像（VLM 定位人物 + 兜底整帧居中）
- 新增 person_identifier: 人物身份识别模块
- Gemini 适配器支持 flash/flash-lite 双模型切换，429 自动降级
- frame_service VLM 全模型 429 时进入 10 分钟熔断，避免每次请求白打配额
- 兜底头像不落缓存，配额恢复后自动重试 VLM 精确定位

### 人物合并硬规则校验（框架级修复）
- person_service: LLM 合并结果落库前加硬冲突检测
  - 性别冲突 → 绝不合并
  - 年龄档跨未成年/成年 → 绝不合并（防止把爷爷/宝宝并进同一人）
- oracle_db: upsert_person 入口剥离括号后缀（人物A（别名：人物B） → 人物A），消灭垃圾人物行
- 修复 set_canonical 丢弃 source 参数的 bug（旧代码硬编码 'manual' 导致错误合并被永久固化）
- get_events_for_label: 只提取该身份组的特征文本，头像定位更精准

### NAS 端 (fam-core)
- 新增 img_proxy: /api/proxy/frame 和 /api/proxy/avatar 代理 Oracle 图片
- app.py 注册 img_bp 蓝图
- oracle_sync / db_layer / member_manager 同步人物表

### UI 端 (fam-ui)
- 事件时间轴: 每条事件卡片加时间点缩略帧
- 人物管理: 每人卡片加头像（150x150 圆角）
- parse_persons: 剥离括号备注，与 Oracle 归一化一致
- 新增 EventItem 组件、Timeline 页改造
- Chat / ServiceStatus 页相应调整

### 数据库
- scripts/ddl.sql: 同步表结构更新
- Oracle people 表: features_json / display_uid / source 字段完善

fam-edge/tests/test_frame_service.py

@@ -1,3 +1,6 @@
+import os
+
+from fam_edge import frame_service
 from fam_edge.frame_service import _bbox_to_pixels
 
 
@@ -20,3 +23,52 @@ def test_bbox_to_pixels_full_frame():
 def test_bbox_to_pixels_zero_area():
     x1, y1, x2, y2 = _bbox_to_pixels([500, 500, 500, 500], 400, 300)
     assert (x1, y1) == (x2, y2)
+
+
+class _FakeRow(dict):
+    """支持 row['key'] 访问的假 sqlite3.Row。"""
+    def __getitem__(self, k):
+        return dict.get(self, k)
+
+
+class _FakeDb:
+    def __init__(self, local_path, event_start_time):
+        self._row = _FakeRow(local_path=local_path, event_start_time=event_start_time)
+
+    def get_video_by_id(self, video_id):
+        return self._row
+
+
+def test_extract_frame_cache_key_includes_width(tmp_path, monkeypatch):
+    """核心诉求: 同一 (video_id, ts) 不同调用方要不同分辨率（时间轴缩略图/头像/
+    人物识别裁人脸），缓存 key 不带 width 会导致后来的高分辨率请求悄悄拿到早先
+    缓存的低分辨率帧——这里验证两次不同 width 请求各自落到独立的缓存文件。"""
+    monkeypatch.setattr(frame_service, "CACHE_DIR", str(tmp_path))
+    video_path = tmp_path / "fake_video.mp4"
+    video_path.write_bytes(b"not a real video, ffmpeg call is mocked")
+    db = _FakeDb(str(video_path), "2026-08-22 10:00:00")
+
+    written_widths = []
+
+    def fake_run_ffmpeg(args, timeout=60):
+        # 把请求的 -vf scale=WIDTH:-2 记下来，往输出路径写点假数据模拟成功
+        out_path = args[-1]
+        vf = next((a for a in args if a.startswith('scale=')), '')
+        written_widths.append(vf)
+        with open(out_path, 'wb') as f:
+            f.write(b'\xff\xd8fakejpeg')
+        return True
+
+    monkeypatch.setattr(frame_service, "_run_ffmpeg", fake_run_ffmpeg)
+
+    data_small = frame_service.extract_frame(db, 42, "2026-08-22 10:00:05", width=400)
+    data_large = frame_service.extract_frame(db, 42, "2026-08-22 10:00:05", width=2880)
+
+    assert data_small is not None and data_large is not None
+    cache_files = sorted(os.listdir(tmp_path))
+    frame_caches = [f for f in cache_files if f.startswith('frame_42_5_')]
+    assert len(frame_caches) == 2, f"expected 2 distinct cache files, got {frame_caches}"
+    assert 'frame_42_5_400.jpg' in frame_caches
+    assert 'frame_42_5_2880.jpg' in frame_caches
+    # 两次都真的各自调用了 ffmpeg（第二次没有因为撞到第一次的缓存而被跳过）
+    assert len(written_widths) == 2