feat(monitor): transplant compat monitor and swebench runner

[shaluoyan523]

Monitor 兼容版移植说明

变更背景

当前 main 分支上的 monitor 已退化为较早期的 sandbox console，仅保留：

• Threads
• Leases
• Diverged
• Events

而 /home/dataset-local/data1/Mycel-compat-monitor-pr93 中的 monitor 已扩展出：

• Evaluation 列表与详情
• Session 详情
• Thread Trace / Steps / Conversation
• 运行中评测线程的可视化展示

本分支的目标是将这套兼容版 monitor 能力移植回最新版 main，并补齐当前主线上的运行环境适配。

本次变更内容

1. 移植 monitor 前后端

移植并恢复了以下 monitor 能力：

• EvaluationPage
• EvaluationDetailPage
• SessionDetailPage
• Thread Trace
• Conversation / Events / Steps 多视图
• /api/monitor/evaluations
• /api/monitor/evaluation/{evaluation_id}
• /api/monitor/evaluation/runs
• /api/monitor/session/{session_id}
• /api/monitor/thread/{thread_id}/trace

对应文件：

• backend/web/monitor.py
• backend/web/routers/monitor.py
• frontend/monitor/src/App.tsx
• frontend/monitor/src/styles.css
• frontend/monitor/vite.config.ts

2. 适配最新版 main 的后端结构

为兼容当前主线的存储拆分与路由结构，补了以下适配：

• monitor router 改为桥接到 backend.web.monitor
• 保留主线已有的：
  • /api/monitor/health
  • /api/monitor/resources
  • /api/monitor/resources/refresh
  • /api/monitor/sandbox/{lease_id}/browse
  • /api/monitor/sandbox/{lease_id}/read
• run event 查询切换到 SQLiteDBRole.RUN_EVENT
• sandbox 会话查询继续走 SQLiteDBRole.SANDBOX
• evaluation 主数据继续走主库 DB_PATH

3. 修复 monitor 显示异常

修复了几个会导致“看起来不对劲”的问题：

• 兼容版 monitor 在最新版主线上被错误替换成旧版 console
• Threads 页此前只看 chat_sessions，运行中的 SWE-Bench 线程只写 checkpoint 时不会显示
• Evaluation detail 在没有 session、只有 checkpoint 的阶段不会渲染线程行
• conversation 视图之前直接请求 /api/threads/{thread_id}，会因为缺少 Bearer token 报：
  • Conversation load failed: Missing or invalid Authorization header
• 现在已改为走 monitor 专用的：
  • /api/monitor/thread/{thread_id}/conversation

4. 恢复 SWE-Bench 运行入口

当前主线 monitor UI 里保留了 SWE-Bench 入口，但执行脚本已经不在仓库中。为让 monitor 的 evaluation 功能可实际执行，本分支恢复了：

• eval/swebench/run_slice.py

并做了当前环境适配：

• 兼容 monitor 传入的 --eval-timeout-sec
• 兼容 monitor 传入的 --git-timeout-sec
• 允许从本地 ~/.leon/models.json 读取 OPENAI_API_KEY
• trace DB 默认优先读取 LEON_SANDBOX_DB_PATH
• 在 trace DB 尚未生成时允许降级继续运行

5. 补齐评测依赖声明

将 monitor 的 SWE-Bench 运行依赖加入项目依赖声明：

• datasets
• swebench
• socksio

对应文件：

• pyproject.toml
• uv.lock

已验证内容

编译/构建验证

已完成：

• python3 -m py_compile backend/web/monitor.py
• python3 -m py_compile backend/web/routers/monitor.py
• python3 -m py_compile eval/swebench/run_slice.py
• cd frontend/monitor && npm run build

接口验证

已确认以下接口可用：

• /api/monitor/evaluations
• /api/monitor/evaluation/{evaluation_id}
• /api/monitor/evaluation/runs
• /api/monitor/session/{session_id}
• /api/monitor/thread/{thread_id}/trace
• /api/monitor/thread/{thread_id}/conversation
• /api/monitor/resources

运行态验证

已通过 monitor 发起 1 条最小 SWE-Bench 测试任务，并验证：

• 任务可在 evaluation 列表中显示
• 任务可在 Threads 页显示
• evaluation detail 可显示 checkpoint-only 线程
• conversation 接口不再因缺少 Authorization header 报错

当前分支说明

本分支为：

• monitor-compat-transplant

目的：

• 将兼容版 monitor 能力迁回当前最新版 main
• 让 monitor 中的 SWE-Bench evaluation 不再停留在“界面存在但无法执行”的状态

后续建议

建议后续继续拆两步：

1. 将 backend/web/monitor.py 中与 SWE-Bench runner 强绑定的逻辑进一步抽到独立 service，降低 monitor 文件体积。
2. 为 monitor 的 evaluation 流程补自动化测试，覆盖：
   • checkpoint-only 线程可见性
   • conversation 接口
   • evaluation list/detail 在运行中状态下的稳定性