1

server/README.md

@@ -17,7 +17,7 @@
 | 后台管理端 | `server_admin/`（Vue3 + Element Plus）管理页面：订单查询、账号/授权管理（手动授权/撤销）、App 版本管理；构建产物由后端 `/admin/` 托管，登录页输入 token 后以 `X-Admin-Token` 头鉴权（`config.yml admin.token`） |
 | 版本管理 | 后台管理端上传 Android APK + 更新说明，APK 存服务器 `app.apkDir`（默认 `./workspace/`，与 `./data` 平级、挂载持久化）**固定文件名 `observer-latest.apk`，上传即覆盖，目录永远只保留最新一个文件**；**版本号从文件名识别**：文件须命名为 `observer-x.y.z.apk`（Flutter 打包产物即此命名，版本号取自 pubspec）；客户端启动时 `GET /api/v1/app/update` 检查更新：服务器版本高于本地版本即弹更新提示（不可跳过）。**仅 Android 检查，iOS 不做版本下发**（iOS 走 App Store 自行更新）。版本记录可删除：删最新版本联动删除 APK 文件，删历史版本仅删记录 |
 | 数据训练（唯一入口） | 后台管理端「数据训练」一个菜单承载数据集全流程，**双 tab（2026-09-07）**：「数据集」tab = 数据集卡片列表（封面图/描述/图片数/已标注数/**训练状态徽标**），「负样本」tab = 负样本库图片网格（上传/删除，见技术设计.md「负样本库」——训练打包时统一混入全部物种数据集）；**卡片下方直接展示训练任务进度条与状态**（无独立训练页）；详情页为**图片与标注一体视图**：分页（每页 20 条）逐行「原图 ‖ 标注图」对照展示；**图片不自动标注（2026-09-04 自动标注退场）**：标注唯一入口 = 勾选图片顶栏「预标」（RF-DETR 四级漏斗检测，见技术设计.md「预标注四级漏斗」），进度条展示在页顶；**预标完成进「待审核」，人工审核通过才「已标注」**（`dataset_image.review_status` 0 未标注/1 待审核/2 已审核 三态，训练集只收已审核图）；点击原图/标注图弹窗放大进入标注编辑器（画框/确认/清理，保存即视为已审核）；封面（上传/生成统一 1248x704 转 jpg + UUID 命名）/**描述**/AI 生成图片（provider 抽象：dashscope 通义万相付费 API / localai 训练机 local-ai qwen-image，`config.yml imageGen` 节点切换，见配置说明）；AI 标注端点与训练机 SSH 为**全局配置，直接读 `config.yml`**（`localAi` / `training.ssh` 节点，改配置需重启服务）；图片落服务器 `app.datasetDir`/`datasets/<数据集名>/`，DB 存元数据 + 标注 JSON；**数据清洗（2026-09-02）**：详情页「数据清洗」——按标注目标尺寸细档统计超配，超配桶内整图 dHash 多样性保留、其余进候选清单，执行=打「已排除训练集」标记（可恢复不删图），prepare_yolo 打包跳过 |
-| 模型训练 | 从数据集卡片「开始训练」一键触发（参数 imgsz/epochs/batch/device 默认走 `config.yml` `training` 节点，部署级配置）；**双档位（2026-09-03）**：一次发起按档位各建一条任务——高识别档 s（基座 `training.model`、imgsz `training.imgsz`=1280）/ 高性能档 n（基座 `training.modelN`=yolov8n.pt、imgsz `training.imgszN`=704），请求传 `variants:["s","n"]` 限定（省略=双档；n 档配置缺失时请求报错），epochs/batch/device 双档共用，任务带 `variant` 快照；**综合训练（2026-09-09）**：`POST /admin/trainings/combined` 勾选 ≥2 个数据集 + 档位，多物种合并训练出**一个综合模型**（全类一张 tflite：类别表 = 各物种名按数据集 id 升序 + 共享 suspect 置末位，打包时类别 id 重映射、负样本只混一份、图片名加 d<id>_ 前缀防跨数据集重名），产物/发布/目录下发走现有链路，文件基名 `combined`（combined.tflite / combined_n.tflite）；单物种训练流程不变，两种模式并存（详见技术设计.md「综合训练」）；**GPU 独占排队（2026-09-03）**：并发度 1 不变——已有 running 时新任务落 `queued` 排队（不再拒绝），10s 轮询在 running 结束后自动按创建顺序晋级启动、一次一个（训练机单 GPU 串行跑多档/多数据集），取消 running=杀进程、queued=直接置失败；进度/日志/指标监控（每 epoch 粒度）；训练通道 `training` 节点可配置 subprocess（与 Go 服务同机直接起 python）/ ssh（异机执行，SSH 凭据取 `config.yml` `training.ssh` 节点）；训练脚本 `server/training/train_server.py`（随项目迁移，2026-08-26）参数化（task.json 传 model/imgsz），产物（best.tflite/best.pt/曲线）拉回服务器；训练收尾自动做 **tflite 产物自检**（输入/输出 shape 校验，原 `inspect_tflite.py` 逻辑内嵌脚本），自检失败任务置失败并带出原因；`dump_graph.py` 留作训练机人工深度调试 |
+| 模型训练 | 从数据集卡片「开始训练」一键触发（参数 imgsz/epochs/batch/device 默认走 `config.yml` `training` 节点，部署级配置）；**双档位（2026-09-03）**：一次发起按档位各建一条任务——高识别档 s（基座 `training.model`、imgsz `training.imgsz`=1280）/ 高性能档 n（基座 `training.modelN`=yolov8n.pt、imgsz `training.imgszN`=704），请求传 `variants:["s","n"]` 限定（省略=双档；n 档配置缺失时请求报错），epochs/batch/device 双档共用，任务带 `variant` 快照；**综合训练（2026-09-09）**：`POST /admin/trainings/combined` 勾选 ≥2 个数据集 + 档位，多物种合并训练出**一个综合模型**（全类一张 tflite：类别表 = 各物种名按数据集 id 升序 + 共享 suspect 置末位，打包时类别 id 重映射、负样本只混一份、图片名加 d<id>_ 前缀防跨数据集重名），产物/发布/目录下发走现有链路，文件基名 `combined`（combined.tflite / combined_n.tflite）；单物种训练流程不变，两种模式并存（详见技术设计.md「综合训练」）；**GPU 独占排队（2026-09-03）**：并发度 1 不变——已有 running 时新任务落 `queued` 排队（不再拒绝），10s 轮询在 running 结束后自动按创建顺序晋级启动、一次一个（训练机单 GPU 串行跑多档/多数据集），取消 running=杀进程、queued=直接置失败；进度/日志/指标监控（每 epoch 粒度）；训练通道 `training` 节点可配置 subprocess（与 Go 服务同机直接起 python）/ ssh（异机执行，SSH 凭据取 `config.yml` `training.ssh` 节点）；训练脚本 `server/training/train_server.py`（随项目迁移，2026-08-26）参数化（task.json 传 model/imgsz），产物（best.tflite/best.pt/曲线）拉回服务器；训练收尾自动做 **tflite 产物自检**（输入/输出 shape 校验，原 `inspect_tflite.py` 逻辑内嵌脚本），自检失败任务置失败并带出原因；**增量训练（2026-09-09）**：单物种/综合任务按档位 lineage 自动热启动——上一次成功的 best.pt 存档于 `workspace/trainings/weights/<基名>.pt`（基名同 tflite：单物种 `<前缀或数据集名>[_n]`、综合 `combined[_n]`），下次训练存在即推训练机作基座、不存在回落 config 基座（首次全量），类别数变化自动重建检测头；删该文件即从零重训；`dump_graph.py` 留作训练机人工深度调试 |
 | 模型版本与热更新 | **每数据集每档位一个模型**（2026-09-03 双档位）：训练成功后一键「发布」（训练任务操作列）——tflite 已由训练成功直写最终位置：s 档 `workspace/trainings/<文件名前缀>.tflite`、n 档 `<文件名前缀>_n.tflite`（前缀空回退数据集名），发布仅落 `model_version` 记录（sha256/大小/指标/类别名，带 `variant` 档位列）；版本序列每数据集全局共用 m1.0.0 递增（s/n 交替发布走同一序列，无档位独立序列），`is_latest` 按 (数据集, 档位) 各记一条——发布只清同档位旧记录，s/n 两档互不影响，目录可分别发布、分别下发。管理端**无模型管理界面**（版本记录仅支撑客户端下发）。**App 模型热更新**：`GET /api/v1/app/update` 扩展返回 `models` 目录数组，客户端独立检查，新模型下载校验替换，失败回退旧模型——模型迭代不再重打包 APK |
 | 模型目录与多模型推理 | `GET /api/v1/models`（登录态）返回全部数据集当前生效模型（数据集/档位 `variant` s|n/版本/类别/大小/sha256/下载地址；**每数据集最多 2 条 = s/n 两档各自的 is_latest**），下载 URL s 档 `/download/trainings/<文件名前缀>.tflite`、n 档 `/download/trainings/<文件名前缀>_n.tflite`（前缀空回退数据集名）；**App 模型管理页**用户自由下载/删除/启用模型，识别时**按当前识别档位（s 高识别 / n 高性能，全局切换）加载该档位已启用模型**并行推理 + 跨模型 NMS 合并（按类别名），内置 assets 模型兜底 |
 | 标注 | **无自动标注（2026-09-04 退场，用户定案）**：上传/生成入库不触发任何检测，`localAi` 未配置不再阻断入库；标注唯一入口 = 管理端勾选图片顶栏「预标」→ `POST /admin/label-tasks`（RF-DETR **四级漏斗**：全图扫描→空检自动升级切片扫描→仍空 VLM 提议候选区+RF-DETR 精修；切片参数走 `localAi.tileSize`/`tileOverlap`/`tileThreshold`，见技术设计.md「预标注四级漏斗」；扫描结果 minIoU 重叠去重后直写 `dataset_image.labels_json`，空检出写 `[]` 且 review_status 保持未标注）；**预标完成 →「待审核」（review_status=1），人工审核通过才「已标注」（=2）**，训练集打包只收已审核图（prepareYoloSet 质量闸门）；工作台弹窗人工画框/确认后保存即视为已审核；管理端对待审核图批量「通过/拒绝」（拒绝 = 清标注回未标注池，并计入对应 App 用户的低质统计，见「标注众包赚时长」） |

server/biz/service/training.go

@@ -170,6 +170,7 @@ func (s *trainingService) finishSuccess(ctx context.Context, runner common.Train
 		Metrics     map[string]float64 `json:"metrics"`
 		Names       []string           `json:"names"`
 		BestTflite  string             `json:"best_tflite"`
+		BestPt      string             `json:"best_pt"`
 		TfliteCheck *struct {
 			OK     bool   `json:"ok"`
 			Reason string `json:"reason"`
@@ -204,6 +205,14 @@ func (s *trainingService) finishSuccess(ctx context.Context, runner common.Train
 		_ = s.finishFailed(ctx, t, "拉取训练产物失败: %v", err)
 		return
 	}
+	// 增量权重存档（2026-09-09）：best.pt 回写 trainings/weights/<基名>.pt 供下次热启动；
+	// 拉取失败仅记日志不置失败——tflite 才是服务产物，权重缺档下次自动回落全量基座
+	if res.BestPt != "" {
+		if err := runner.FetchArtifact(ctx, job, res.BestPt,
+			common.TrainingWeightsPath(ctx, base)); err != nil {
+			g.Log().Errorf(ctx, "训练 %d 存档增量权重失败（下次回落全量基座）: %+v", t.Id, err)
+		}
+	}
 	// 指标尾部带上类别名，发布时解析 labels
 	if len(res.Names) > 0 {
 		if names, err := json.Marshal(res.Names); err == nil {
@@ -237,24 +246,29 @@ func (s *trainingService) finishFailed(ctx context.Context, t *entity.ModelTrain
 	return dao.Training.Finish(ctx, t.Id, consts.TrainingStatusFailed, "", "", msg)
 }
 
-// buildJob 组装训练机路径布局的 runner 任务
+// buildJob 组装训练机路径布局的 runner 任务。
+// 综合任务（kind=combined）数据集 id=0：训练机目录/文件基名 fixed combined，不走数据集表
+// （prepareAndLaunch 晋级时同一定义；轮询重建沿用，否则 pollOne 永不触达综合任务）
 func (s *trainingService) buildJob(ctx context.Context, t *entity.ModelTraining, cfg common.TrainingConfig) (*common.TrainingJob, error) {
-	dataset, err := dao.Dataset.GetById(ctx, t.DatasetId)
-	if err != nil {
-		return nil, err
+	jobDsName := consts.TrainingCombinedBase
+	if t.Kind != consts.TrainingKindCombined {
+		dataset, err := dao.Dataset.GetById(ctx, t.DatasetId)
+		if err != nil {
+			return nil, err
+		}
+		if dataset == nil {
+			return nil, gerror.NewCode(common.CodeDatasetNotFound)
+		}
+		jobDsName = dataset.Name
 	}
-	if dataset == nil {
-		return nil, gerror.NewCode(common.CodeDatasetNotFound)
-	}
-	job := &common.TrainingJob{
+	return &common.TrainingJob{
 		TaskId:      t.Id,
-		DatasetName: dataset.Name,
+		DatasetName: jobDsName,
 		Python:      cfg.Python,
 		Workdir:     cfg.Workdir,
 		DatasetDir:  cfg.DatasetDir,
 		Pid:         t.Pid,
-	}
-	return job, nil
+	}, nil
 }
 
 // trainingEtaMinutes 预计剩余时长（分钟）：running 且已完成 ≥1 轮时按「已用均值 × 剩余轮数」估算
@@ -683,6 +697,7 @@ func (s *trainingService) prepareAndLaunch(ctx context.Context, taskId int64) {
 	var pkg *common.YoloPackage
 	var classNames []string
 	var jobDsName string
+	var fileBase string // 产物文件基名（tflite 与增量权重共用，n 档 _n 后缀）
 	if t.Kind == consts.TrainingKindCombined {
 		ids, err := parseCombinedIds(t.DatasetIds)
 		if err != nil {
@@ -694,6 +709,10 @@ func (s *trainingService) prepareAndLaunch(ctx context.Context, taskId int64) {
 			_ = s.finishFailed(ctx, t, "%s", err.Error())
 			return
 		}
+		fileBase = consts.TrainingCombinedBase
+		if t.Variant == consts.TrainingVariantN {
+			fileBase += consts.TrainingVariantNFileSuffix
+		}
 		pkg, classNames, jobDsName = p, cls, consts.TrainingCombinedBase
 	} else {
 		dataset, err := dao.Dataset.GetById(ctx, t.DatasetId)
@@ -713,6 +732,7 @@ func (s *trainingService) prepareAndLaunch(ctx context.Context, taskId int64) {
 		pkg = p
 		classNames = localAiClassNames(dataset)
 		jobDsName = dataset.Name
+		fileBase = modelFileBaseName(dataset.Name, dataset.NamePrefix, t.Variant)
 	}
 	job := &common.TrainingJob{
 		TaskId:      t.Id,
@@ -726,6 +746,19 @@ func (s *trainingService) prepareAndLaunch(ctx context.Context, taskId int64) {
 	if t.Variant == consts.TrainingVariantN {
 		model = cfg.ModelN
 	}
+	// 增量基座（2026-09-09）：上次成功权重存档（trainings/weights/<基名>.pt）存在则推训练机
+	// 热启动；推送失败同样回落全量基座（训练照跑，日志可查）。删除存档文件即从零重训
+	if fileBase != "" {
+		weightLocal := common.TrainingWeightsPath(ctx, fileBase)
+		if _, err := os.Stat(weightLocal); err == nil {
+			remoteRel := filepath.ToSlash(filepath.Join("trainings", "weights", fileBase+".pt"))
+			if err := runner.PushArtifact(ctx, job, remoteRel, weightLocal); err != nil {
+				g.Log().Errorf(ctx, "训练 %d 推送增量权重失败，回落全量基座: %+v", t.Id, err)
+			} else {
+				model = remoteRel
+			}
+		}
+	}
 	// data.yaml 的 path 指向训练机路径，随包一起同步
 	trainPath := filepath.Join(cfg.Workdir, cfg.DatasetDir, "yolo", jobDsName)
 	pkg.Files = append(pkg.Files, common.YoloFile{

server/common/training_runner.go

@@ -39,6 +39,9 @@ type TrainingRunner interface {
 	FetchResult(ctx context.Context, job *TrainingJob) (string, error)
 	// FetchArtifact 把训练机产物文件拉回服务器本地路径
 	FetchArtifact(ctx context.Context, job *TrainingJob, remoteName, localPath string) error
+	// PushArtifact 把服务器本地文件推到训练机（增量训练基座权重，2026-09-09；
+	// remoteName 相对训练机 workdir）
+	PushArtifact(ctx context.Context, job *TrainingJob, remoteName, localPath string) error
 	// SyncYoloDataset 把训练集包落到训练机（subprocess 直写 workdir；ssh 走 tar 流式管道，本地不落盘）
 	SyncYoloDataset(ctx context.Context, job *TrainingJob, pkg *YoloPackage) error
 	// WriteTaskJson 把任务参数文件写到训练机（随 Start 前的准备阶段调用）
@@ -222,6 +225,15 @@ func (r *subprocessRunner) FetchArtifact(ctx context.Context, job *TrainingJob,
 	return WriteFileAtomic(localPath, data)
 }
 
+func (r *subprocessRunner) PushArtifact(ctx context.Context, job *TrainingJob, remoteName, localPath string) error {
+	data, err := os.ReadFile(localPath)
+	if err != nil {
+		return gerror.Wrap(err, "读取待推送文件失败")
+	}
+	dst := filepath.Join(job.Workdir, filepath.FromSlash(remoteName))
+	return WriteFileAtomic(dst, data)
+}
+
 func (r *subprocessRunner) SyncYoloDataset(ctx context.Context, job *TrainingJob, pkg *YoloPackage) error {
 	// 同机训练：训练进程直接读 workdir 下文件，包直写目标目录（无中间暂存）
 	dst := filepath.Join(job.Workdir, job.DatasetDir, "yolo", job.DatasetName)
@@ -395,6 +407,28 @@ func (r *sshRunner) FetchArtifact(ctx context.Context, job *TrainingJob, remoteN
 	return WriteFileAtomic(localPath, data)
 }
 
+func (r *sshRunner) PushArtifact(ctx context.Context, job *TrainingJob, remoteName, localPath string) error {
+	client, err := r.dial(ctx)
+	if err != nil {
+		return err
+	}
+	defer func() { _ = client.Close() }()
+	session, err := client.NewSession()
+	if err != nil {
+		return err
+	}
+	defer func() { _ = session.Close() }()
+	dst := filepath.Join(job.Workdir, filepath.FromSlash(remoteName))
+	cmd := fmt.Sprintf("mkdir -p %s && cat > %s", filepath.Dir(dst), dst)
+	f, err := os.Open(localPath)
+	if err != nil {
+		return gerror.Wrap(err, "读取待推送文件失败")
+	}
+	defer func() { _ = f.Close() }()
+	session.Stdin = f
+	return session.Run(cmd)
+}
+
 func (r *sshRunner) SyncYoloDataset(ctx context.Context, job *TrainingJob, pkg *YoloPackage) error {
 	// tar 流式管道：原图直接读数据集目录打包，stdin 推远端解包，本地不落盘
 	client, err := r.dial(ctx)

server/common/workspace.go

@@ -14,6 +14,9 @@ import (
 //	datasets/<name>/        数据集图片（平铺，文件名唯一，标注存 DB dataset_image.labels_json）
 //	trainings/<model>.tflite 某数据集当前生效模型（训练成功即直写，客户端固定下载，无存档回退；
 //	                          <model> = 数据集文件名前缀 name_prefix，空则回退数据集名，2026-08-28）
+//	trainings/weights/<基名>.pt 增量训练基座权重存档（2026-09-09：基名同 tflite——单物种
+//	                          <前缀或数据集名>[_n]、综合 combined[_n]；下次训练推训练机热启动，
+//	                          删除即回落全量基座）
 //
 // 训练机与 Go 服务器异机时，数据集经 training 通道同步（见 common/training_runner.go）。
 
@@ -38,6 +41,12 @@ func TrainingModelPath(ctx context.Context, modelName string) string {
 	return filepath.Join(DatasetDir(ctx), "trainings", modelName+".tflite")
 }
 
+// TrainingWeightsPath 增量训练基座权重存档路径（trainings/weights/<基名>.pt，基名同 tflite 基名；
+// 存在则下次训练推训练机热启动，删除即回落全量基座）
+func TrainingWeightsPath(ctx context.Context, baseName string) string {
+	return filepath.Join(DatasetDir(ctx), "trainings", "weights", baseName+".pt")
+}
+
 // Sha256Hex 计算文件内容 SHA-256 十六进制（模型版本校验用）
 func Sha256Hex(data []byte) (string, error) {
 	sum := sha256.Sum256(data)

server/training/train_server.py

@@ -8,7 +8,9 @@
 任务参数（Go 侧写入，字段相对训练机 workdir）：
     workdir       训练机工作目录（脚本 / yolov8s.pt / venv 所在），启动即 chdir
     yolo          训练集目录（含 dataset.yaml），相对 workdir
-    model         训练基座权重文件名（workdir 下，默认 yolov8s.pt）
+    model         训练基座权重文件名（workdir 下，默认 yolov8s.pt；增量训练时为 Go 侧推到
+                  trainings/weights/<基名>.pt 的上次成功权重，类别数不符时 ultralytics
+                  自动重建检测头、backbone 热启动）
     imgsz         训练/导出分辨率（默认 1280，与端侧推理对齐）
     epochs        训练轮数
     batch         批大小
@@ -19,10 +21,13 @@
 
 产物契约：
     log_file      {"epoch":1,"total":150,"metrics":{"metrics/mAP50(B)":0.87,...}}
-    result_file   {"metrics":{...},"names":["pheasant","suspect"],"best_tflite":"runs/tasks/<id>/weights/best.tflite",
+    result_file   {"metrics":{...},"names":["pheasant","suspect"],
+                   "best_tflite":"runs/tasks/<id>/train/weights/best.tflite",
+                   "best_pt":"runs/tasks/<id>/train/weights/best.pt",
                    "tflite_check":{"ok":true,"reason":"","inputs":[...],"outputs":[...]}}
                   result_file 存在 = 训练完成；异常时写 {"error":"..."}，Go 侧据以置失败并展示原因。
                   tflite_check.ok=false（产物 shape 异常）时 Go 侧置训练失败并带出 reason。
+                  best_pt 供 Go 侧存档 workspace/trainings/weights/ 作下次增量基座（2026-09-09）。
 """
 
 import argparse
@@ -251,7 +256,12 @@ def main():
 
     try:
         from ultralytics import YOLO
-        model = YOLO(task.get("model") or "yolov8s.pt")
+        # 基座权重相对 workdir（增量训练时为 Go 推送的 trainings/weights/<基名>.pt）；
+        # 仅在 workdir 下确有该文件时绝对化，裸名（yolov8s.pt）缺文件仍走 ultralytics 自下载
+        model_path = task.get("model") or "yolov8s.pt"
+        if not os.path.isabs(model_path) and os.path.exists(os.path.join(base, model_path)):
+            model_path = os.path.join(base, model_path)
+        model = YOLO(model_path)
         register_callback(model)
         if is_mps:
             def _mps_cache(_trainer):
@@ -321,11 +331,14 @@ def main():
             if isinstance(v, (int, float)) and math.isfinite(v):
                 clean_metrics[k] = round(float(v), 5)
 
-        # best_tflite 相对 workdir，Go 侧按此路径拉取（不再打包 zip，仅回传 tflite）
+        # best_tflite/best_pt 相对 workdir，Go 侧按此路径拉取（不再打包 zip，仅回传 tflite/pt）；
+        # best_pt 存档 trainings/weights/ 作下次增量基座（不存在不致命，缺省空串）
+        best_pt = save_dir / "weights" / "best.pt"
         write_result(result_file, {
             "metrics": clean_metrics,
             "names": names,
             "best_tflite": os.path.relpath(best_tflite, base),
+            "best_pt": os.path.relpath(best_pt, base) if best_pt.exists() else "",
             "tflite_check": tflite_check,
         })
     except Exception:

server/技术设计.md

@@ -389,6 +389,7 @@ training:
 - **发起训练异步化（2026-08-27）**：发起请求仅做校验（数据集存在 / `prepareYoloSet` 有标注 / Serial 内并发检查）+ 落任务记录即返回（毫秒级）；训练机侧准备（写任务参数 → ssh tar 同步数据集 → 启动进程，耗时可达分钟级）在后台协程执行（`context.Background()`，与预标注 `runDetection` 同模式），任何一步失败经 `finishFailed` 置任务 failed 由列表/轮询呈现——此前同步执行超过管理端 axios 10s 超时，出现「任务已落库但前端报 timeout」的不一致
 - **GPU 独占排队（2026-09-03，替代「并发度 1 拒绝」）**：训练机单 GPU 无法并行两任务（显存），并发度 1 语义不变——已有 running 时新任务**不再拒绝**，落 `queued` 排队；10s 轮询在 running 结束后自动晋级最老 queued 为 running（CAS 防竞态后起后台协程做训练机准备）；双档/多数据集可一次发起一串，训练机串行逐个执行。**同数据集同档位防重**：发起时检查该 (数据集,档位) 是否已有 running/queued 任务，有则拒绝（防双击/重复请求——排队不再拒绝后双档各自独立排队，同档重复提交会白跑两轮）。**发起校验与晋级都重新 `prepareYoloSet`**：请求时校验有标注即可（立即报错），晋级时重新打包（取发起后新标注，拆分 80/20 随任务时刻新鲜）；数据集改名/删图期间排队任务晋级失败即置 failed 由列表呈现
 - 产物拉取（2026-08-27 重构；命名 2026-08-28 改；**双档位 2026-09-03**）：成功后只拉 `best.tflite` 直写服务器 `workspace/trainings/<文件名前缀>.tflite`（s 档，前缀空回退数据集名）或 `<文件名前缀>_n.tflite`（n 档）；原子覆盖，无 per-task 存档、不再打包 zip。s 档文件名与存量一致（存量已发布文件/旧 App 下载地址不变），n 档 `_n` 后缀区分
+- **增量训练（2026-09-09）**：单物种与综合任务（s/n 各自独立 lineage，正负样本全集照常打包）自动热启动——任务基名同 tflite 基名规则（单物种 `<前缀或数据集名>[_n]`、综合 `combined[_n]`），服务器存档 `workspace/trainings/weights/<基名>.pt`：发起晋级时该文件存在则经 runner **PushArtifact**（新增接口：subprocess 本机拷贝 / ssh stdin 管道）推到训练机 `trainings/weights/<基名>.pt`，task.json `model` 指向它；不存在回落 config 基座（yolov8s/n.pt，首次全量）。训练脚本 result.json 增 `best_pt` 字段，finishSuccess 拉 tflite 后顺带拉 best.pt 原子覆盖回存档——**pt 拉取失败仅记日志不置失败**（tflite 才是服务产物，权重缺档下次自动回落全量）。类别数/类别名变化无需特判：ultralytics 加载旧权重 nc 不匹配自动重建检测头、backbone 热启动。从零重训 = 删 `trainings/weights/<基名>.pt` 即回落，无独立开关
 - 写操作走 `common.Serial()` 单写者（SQLite 无 WAL，与既有链路一致）；任务状态更新（进度轮询）为高频写，单独小事务
 
 ### 模型版本（每数据集每档位一个模型，多模型体系）