feat(simclr): 支持断点续训，恢复优化器与调度器状态

此前 simclr.checkpoint 的语义是"有权重就跳过训练"，没有真正的续训：
中途停掉再启动只能从头再来，或者放弃已训的轮次。

- 新增 simclr_last.pth：骨架 + 投影头 + 优化器 + 调度器 + scaler + epoch + step，
  与给下游用的 simclr_backbone.pth 并存，两者在同一时机落盘
- 新增 simclr.resume：载入完整状态从下一个 epoch 接着练。只恢复权重不恢复动量与
  cosine 进度的话，续训时损失会先反弹一段
- resume 与 checkpoint 互斥（同时给直接报错）；拿只含骨架的 simclr_backbone.pth
  去 resume 会给出可操作的报错，提示改用 checkpoint
- 续训轮数已达计划值时不再训练，只打警告

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

docs/unsupervised-clustering.md

@@ -740,6 +740,7 @@ $k=4$ 稳定性略低于 ImageNet（0.83 vs 0.98），符合"数据的主结构
 | 端到端聚类 | `engine/cluster.py::cluster_features` |
 | NT-Xent 损失 | `engine/simclr.py::nt_xent_loss` |
 | SimCLR 训练循环 | `engine/simclr.py::SimCLRTrainer` |
+| 断点续训（完整状态存取） | `engine/simclr.py::save_state` / `load_state` |
 | 投影头 $g_\varphi$ | `models/heads/projection.py::ProjectionHead` |
 | 设备解析（cuda/mps/cpu，auto 优先级） | `utils/device.py::resolve_device` |
 | AMP 随后端的默认值 | `utils/device.py::resolve_amp` / `default_amp` |