feat(sprint8a): регрессия роутера в UI с выбором кейсов и кэшем

Оператор-настройщик после правки промпта _router нажимает «Прогнать выбранное»
на странице «Регрессия» и видит, что сломалось. Не CLI, не в обход
интерфейса — встроено в верхнюю навигацию рядом с Настройками.

Backend:
- Таблицы eval_runs / eval_run_cases (с is_pass) / eval_router_predictions
  (кэш text_hash + router_config_id → predicted_intent). Миграции
  k7e9d5c67h34 и l8f0e6d78i45.
- services/eval_run_service.py: start_router_run(text_hashes) запускает
  фоновую корутину через asyncio.create_task, фиксирует активную версию
  _router. Кэш привязан к версии: повторный прогон на той же версии —
  мгновенный, на новой — пересчитывается. compute_diff_vs_previous
  сравнивает с предыдущим прогоном на той же версии (новые fail / pass).
- API: POST /eval/runs (фон, body text_hashes), GET /eval/runs,
  GET /eval/runs/{id}, GET /eval/router-cases-with-status (все 1573 кейса
  + кэш на активной версии).

Frontend (static/regression.html — новая страница, ссылка добавлена в
шапки index/sandbox/settings/docs):
- Сворачиваемый блок «Выбор кейсов»: фильтр по intent, ввод диапазона
  (1-50, 200-300), кнопки «Все видимые», «Снять все», «Только без кэша»,
  «Только FAIL в кэше», «Снять кэшированные». Чекбокс в шапке.
- Таблица 1573 кейсов отсортирована по count desc: #, чекбокс, запрос,
  intent, частота, кэш (PASS / FAIL → predicted / —). Цветной фон строки
  по статусу кэша.
- Счётчик «выбрано N (новых: X, в кэше: Y)»; кнопка
  «Прогнать выбранное (X новых + Y из кэша)» — сразу видно реальный
  объём LLM-работы.
- Polling /eval/runs/{id} раз в 2 секунды, прогресс-бар, drill-down:
  все кейсы прогона + фильтр pass/fail + поиск + diff vs предыдущий
  (новые fail / новые pass).

docs/SPRINTS.md: Спринт 8 разбит на 8a (✅ закрыт), 8b (регрессия ответов
веток, ждёт базу кейсов от пользователя), 8c (handoff/resumable/loop/
guard/rag — позже).

docs/BACKLOG.md: новый файл для идей на потом. Записаны: просмотр
архивного графа без активации (из 7.7), варианты C (LLM-judge) и D
(эталон + embeddings) для регрессии веток в 8b.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

models/responses.py

@@ -262,3 +262,46 @@ class IntentStepGraphListResponse(BaseModel):
     graphs: list[IntentStepGraphInfo]
     active_graph_id: int | None
     total: int
+
+
+# ---------- Прогоны регрессии (Спринт 8a) ----------
+
+class EvalRunInfo(BaseModel):
+    id: int
+    suite: str
+    router_config_id: int | None
+    router_config_version: int | None
+    min_count: int
+    status: str
+    total: int
+    passed: int
+    failed: int
+    cache_hits: int
+    error_text: str | None
+    started_at: str
+    finished_at: str | None
+
+
+class EvalRunCaseInfo(BaseModel):
+    text: str
+    expected_intent: str
+    predicted_intent: str
+    count_weight: int
+    is_pass: bool = True
+
+
+class EvalRunDiffInfo(BaseModel):
+    prev_run_id: int | None
+    new_fails: list[EvalRunCaseInfo]
+    new_passes: list[EvalRunCaseInfo]
+
+
+class EvalRunDetailResponse(BaseModel):
+    run: EvalRunInfo
+    cases: list[EvalRunCaseInfo]
+    diff: EvalRunDiffInfo
+
+
+class EvalRunListResponse(BaseModel):
+    runs: list[EvalRunInfo]
+    total: int