refactor: replace TensorBoard and Gradio tag editor with built-in services for single-port architecture

[wochenlong]

背景

当前 TensorBoard（端口 6006）和标签编辑器（dataset-tag-editor，端口 28001）都是外挂式缝合的独立服务，通过 FastAPI 反向代理（proxy.py）转发。这带来了几个严重问题：

1. 端口限制 — 云平台（AutoDL、Colab、RunPod）通常只开放 1-2 个端口，28001 和 6006 无法对外暴露，导致这些功能在云端完全不可用
2. 反向代理脆弱 — 需要维护 HTTP + WebSocket 两套转发，Gradio 版本升级可能导致兼容性问题
3. 依赖链冗长 — tensorboard 和 gradio 各自拖大量依赖，可能与主项目 PyTorch 生态冲突
4. 用户体验割裂 — iframe 嵌套导致 UI 风格不统一，跨域问题和样式隔离都有坑

策略：渐进式替换

很多用户已经习惯了 TensorBoard 和 Gradio 版标签编辑器。不一刀切移除，而是：

1. 先保留原有服务，同时推出我们自己的内嵌版本
2. 两套方案并行，让用户自然迁移
3. 当内嵌版功能完全覆盖并且用户体验更好后，再逐步移除旧服务

目标架构

最终实现双端口甚至单端口架构：

主 WebUI (:28000)
├── /lora/*           训练配置页
├── /tensorboard      内嵌 Loss/LR 曲线（新，与旧 TensorBoard 并存）
├── /tageditor        内嵌标签编辑器（新，与旧 Gradio 版并存）
└── /api/*            所有后端 API

训练监控 (:6008)     （可选，未来可合并进主 WebUI）

实施阶段

Phase 1：内嵌训练曲线（与 TensorBoard 并存）

• 后端：解析 tfevents 文件或直接从训练日志提取 loss/lr 数据
• 后端：提供 /api/charts/data API 返回曲线数据
• 前端：用轻量图表库渲染 loss/lr 曲线页面
• 侧边栏新增「训练曲线」入口，保留原 TensorBoard 入口
• 验证功能覆盖度，收集用户反馈

Phase 2：内嵌标签编辑器（与 Gradio 版并存）

• 后端：/api/dataset/list — 列出数据集目录中的图片和标签文件
• 后端：/api/dataset/image/{path} — 返回图片
• 后端：/api/dataset/tag/{path} — 读取/保存标签
• 后端：/api/dataset/tag/batch — 批量搜索替换标签
• 前端：图片预览 + 标签编辑 UI 页面
• 侧边栏新增「标签编辑（新）」入口，保留原标签编辑入口
• 验证功能覆盖度，收集用户反馈

Phase 3：退役旧服务（条件成熟后）

• 内嵌版功能完全覆盖旧版
• 默认隐藏旧入口，保留 --legacy-tensorboard / --legacy-tageditor 开关
• 移除 proxy.py 中旧代理代码
• 移除 6006 / 28001 端口占用
• 更新文档

相关文件

• gui.py — 子进程启动逻辑
• mikazuki/app/proxy.py — 反向代理
• mikazuki/app/application.py — FastAPI 路由挂载
• frontend/dist/assets/layout.96d49288.js — 前端 iframe 布局组件
• mikazuki/dataset-tag-editor/ — 当前 Gradio 标签编辑器
• train_monitor/ — 已有的训练监控模块（可复用架构）