feat(cluster): 加 --train-only，自监督训练与聚类可分两步跑

engine/simclr.py 与 engine/cluster.py 本来就互不引用，唯一接口是
simclr_backbone.pth；耦合只在 CLI——method=simclr 会训练完直接聚类。
此前"只聚类"可以用 simclr.checkpoint 做到，"只训练"没有办法。

- --train-only：训练存完权重即退出，不抽特征也不聚类，并打印下一步的聚类命令
- 与 method=pretrained / simclr.checkpoint / --sweep-k 组合时立刻报错说明原因，
  而不是跑完才发现没有产出
- 典型用法：GPU 机器上 --train-only 跑几十小时，之后拿权重反复调 k，每次约 1 分钟

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

scripts/cluster_unlabeled.py

@@ -389,6 +389,11 @@ def main() -> int:
     parser.add_argument(
         "--sweep-k", default=None, metavar="A-B", help="只扫簇数（如 2-8）打印指标表，不产出分组"
     )
+    parser.add_argument(
+        "--train-only",
+        action="store_true",
+        help="只做 SimCLR 自监督训练，存完权重就退出，不抽特征也不聚类",
+    )
     args = parser.parse_args()
 
     cfg = load_config(args.config, args.set)
@@ -409,18 +414,46 @@ def main() -> int:
         logger.error("%s", exc)
         return 1
 
+    method = str(cfg.get("method", "pretrained"))
+    if args.train_only:
+        # 这三种组合下 --train-only 要么无事可做、要么与另一个"提前结束"的开关打架，
+        # 与其跑完才发现什么都没产出，不如立刻说清楚
+        if method != "simclr":
+            logger.error("--train-only 只对 method=simclr 有意义，当前 method=%s（没有要训练的东西）", method)
+            return 1
+        if cfg.get("simclr", {}).get("checkpoint"):
+            logger.error(
+                "--train-only 与 simclr.checkpoint 冲突：checkpoint 会跳过训练，"
+                "加上 --train-only 就什么都不会做。想接着上次练请改用 simclr.resume。"
+            )
+            return 1
+        if args.sweep_k:
+            logger.error("--train-only 与 --sweep-k 不能同时用：前者不聚类，后者要靠聚类才能扫")
+            return 1
+
     dataset = build_dataset(dict(cfg["dataset"]))
     logger.info(
         "扫描到 %d 张图，来自 %d 个目录；簇数 %d，method=%s，设备 %s",
         len(dataset),
         len({dataset.source_dir(path) for path in dataset.images}),
         num_clusters,
-        cfg.get("method", "pretrained"),
+        method,
         describe_device(device),
     )
 
     encoder = build_encoder(cfg, device, work_dir)
 
+    if args.train_only:
+        weights = work_dir / "simclr_backbone.pth"
+        logger.info("--train-only：训练完成，未做聚类。权重在 %s", weights)
+        logger.info(
+            "接着聚类：uv run python scripts/cluster_unlabeled.py --config %s "
+            "--work-dir <新目录> --set simclr.checkpoint=%s",
+            cfg.get("config_path", "<配置>"),
+            weights,
+        )
+        return 0
+
     from torch.utils.data import DataLoader
 
     loader = DataLoader(