feat: add generation trace and partial-ready workflow status

docs/planning/interview-pitch.md

@@ -31,10 +31,13 @@ AI 生成产品最大的问题不是“能不能调模型”，而是结果不
 后端通过统一状态字段表达结果：
 
 - `generation_status`
+- `text_status`
 - `image_status`
 - `audio_status`
 - `last_error`
 
+其中 `partial_ready` 表示主内容已经可读但资产还可以继续补全，`degraded_completed` 表示主内容可读但某个资产失败，需要用户稍后重试。
+
 服务层也抽出了 `AssetCompletionResult`，用来表达资产补全类型、状态、结果值、错误信息和是否阻塞主结果。
 
 ---
@@ -58,7 +61,7 @@ AI 生成产品最大的问题不是“能不能调模型”，而是结果不
 
 目前本地 Docker 可以跑通完整链路，并且有 smoke 脚本验证健康检查、登录、生成、资产重试、故事列表和 Provider 能力分层。
 
-下一步我会继续打磨前端状态体验，让生成中、部分完成、失败重试这些 AI 产品特有状态更清楚；同时明确旧 API 兼容层和 generation job 是否需要落库。
+现在 generation job 已经能查询完整事件流，包括 workflow、资产补全和 provider 调用；用户端和管理端都能展示生成轨迹，也能看到 provider 成功率、耗时和成本视角。
 
 我希望通过这个项目展示的是：我不只是会接 AI API，而是能把不确定的模型能力收敛成稳定、可解释、可恢复的产品体验。
 
@@ -80,4 +83,4 @@ AI 生成产品最大的问题不是“能不能调模型”，而是结果不
 
 ### 这个项目下一步怎么上线？
 
-我会先完成演示级前端状态体验和旧 API 兼容策略，再决定 generation job 是否落库。生产上线前还需要补真实用户鉴权配置、密钥管理、监控告警和部署策略。
+我会先把当前轻量 job/event 模型迁移到后台 worker 和进度轮询，再补跨时间窗口的 provider 运营分析。生产上线前还需要补真实用户鉴权配置、密钥管理、监控告警和部署策略。