feat(ml-backend): Start Training 按钮真正触发重训，启动/重训脚本进 scripts/

原先点 Label Studio 的 Start Training 只是把计数加一：START_TRAINING 和普通标注事件
走同一条阈值判断，没配 RETRAIN_COMMAND 时更是静默什么都不做。实际使用中用户点了按钮、
以为在训练，其实权重一直没变。

- Start Training 无条件触发重训；攒够 RETRAIN_AFTER 条新标注也自动触发。
- 只数 ANNOTATION_CREATED：UPDATED / DELETED 是对已有标注的修改，不该把阈值顶到。
- 已有重训在跑时重复点击被忽略，不叠加启动。
- 没配 RETRAIN_COMMAND 时打警告说明不会真的训练，并在返回值里说清楚。
- 子进程输出重定向到 RETRAIN_LOG（默认 /tmp/retrain.log），训练进度有地方看。

scripts/start_ml_backend.sh、scripts/retrain_from_label_studio.sh 放进仓库，
可从工作区直接启动。重训末尾把 runs/detect/current.pt 软链接指向新权重，
启动脚本默认读它，换模型不必改脚本。

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

ml_backend/README.md

@@ -13,23 +13,26 @@ jinja2 3.1。装进主环境会直接弄坏 Label Studio。它本来就是个独
 
 ```bash
 uv venv .venv-ml --python 3.12
+# --no-deps 装本体：它把 label-studio-sdk pin 到了 GitHub 某个提交，
+# 那个仓库大、容易传输中断（服务器上实测失败过），依赖全部走 PyPI 更稳
+VIRTUAL_ENV=.venv-ml uv pip install --no-deps \
+    "label-studio-ml @ git+https://github.com/HumanSignal/label-studio-ml-backend.git"
 VIRTUAL_ENV=.venv-ml uv pip install \
-    "label-studio-ml @ git+https://github.com/HumanSignal/label-studio-ml-backend.git" \
-    ultralytics
+    "flask>2.3" "colorama~=0.4" "requests~=2.31" "semver~=3.0.2" \
+    "label-studio-sdk>=2.1" ultralytics
 ```
 
 ## 启动
 
 ```bash
-cd ml_backend
-YOLO_WEIGHTS=$PWD/../runs/detect/film/weights/best.pt \
-YOLO_DEVICE=cuda \
-LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT=/home/deep/labeling \
-../.venv-ml/bin/python _wsgi.py -p 9090
+bash scripts/start_ml_backend.sh
 ```
 
-**用 `python _wsgi.py` 而不是 `label-studio-ml start .`**：后者用 PATH 上的 python 起子进程，
-在独立环境里会 `ModuleNotFoundError`。
+脚本会停掉旧进程、带齐环境变量重启，并打印权重、日志位置与网页端要填的 URL。
+所有参数都能用环境变量覆盖，例如 `YOLO_WEIGHTS=... bash scripts/start_ml_backend.sh`。
+
+它内部用 `python _wsgi.py` 而不是 `label-studio-ml start .`：后者用 PATH 上的 python
+起子进程，在独立环境里会 `ModuleNotFoundError`。
 
 `LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT` 必须和启动 Label Studio 时的值一致——任务里的图片是
 `/data/local-files/?d=...`，后端要靠它把 URL 还原成磁盘路径。图片若来自上传或云存储，
@@ -66,19 +69,22 @@ Label Studio 里：Settings → **Model** → Connect Model，URL 填 `http://lo
 
 ## 边标边训
 
-Label Studio 每产生一条标注就会 POST `/webhook`，后端在 `fit()` 里累加计数，
-达到 `RETRAIN_AFTER` 就起一个**子进程**执行 `RETRAIN_COMMAND` 并立刻返回——
-训练要几十分钟，绝不能在这个请求里同步做，否则会把 Label Studio 卡住。
+**在 Label Studio 里点 Settings → Model → Start Training**，后端收到 `START_TRAINING`
+事件，起一个子进程跑 `scripts/retrain_from_label_studio.sh`，立刻返回——训练要几十分钟，
+绝不能在这个请求里同步做，否则会把 Label Studio 卡住。
 
-```bash
-RETRAIN_AFTER=200 \
-RETRAIN_COMMAND="/home/deep/ModelTrainEval/scripts/retrain.sh" \
-../.venv-ml/bin/python _wsgi.py -p 9090
-```
+触发规则：
 
-`retrain.sh` 需要自己写，大致是：导出项目 → `build_yolo_dataset.py` 装配 → `detect.py` 训练 →
-把新权重放到 `YOLO_WEIGHTS` 指向的位置 → 重启本服务（或让它下次启动时加载新权重）。
-**目前权重只在进程启动时加载一次**，重训完要重启服务才会生效。
+- **Start Training 按钮无条件触发**，不看攒了多少条；
+- 新增标注累计到 `RETRAIN_AFTER` 也会自动触发（默认 0 = 只手动）。只数
+  `ANNOTATION_CREATED`，`UPDATED` / `DELETED` 是对已有标注的修改，不该把阈值顶到；
+- 已有重训在跑时重复点击会被忽略，不会叠起多个训练。
+
+重训脚本做四件事：导出标注 → `build_yolo_dataset.py` 装配 → `detect.py` 训练 →
+把 `runs/detect/current.pt` 软链接指向新权重并重启本服务。启动脚本默认读这个软链接，
+所以换模型不用改任何脚本。**权重只在进程启动时加载一次**，这也是重训末尾要重启服务的原因。
+
+训练进度看 `$RETRAIN_LOG`（默认 `/tmp/retrain.log`）；Label Studio 网页端不显示训练进度。
 
 ## 已验证的行为