Version: 0.3.6.dev.260223

feat: 🚀 新增智能编排日程接口与算法模块

* 新增智能编排日程接口，实现自动生成周维度课程安排
* 抽离核心算法至 `Logic` 包，统一存放调度与排课相关算法逻辑，优化项目结构分层
* 大多数用例测试通过，当前存在少量边界用例下“排课时间是否充足”的误判问题
* 返回的周视图数据在极端场景下存在数量偏差，待进一步完善边界控制

fix: 🐛 修复批量导入课程接口 500 错误

* 修复批量导入课程接口中未在 `event` 结构体填写时间字段的问题
* 解决因时间字段为空导致的服务端 500 错误，保证数据完整性

refactor: ♻️ 新增入参校验逻辑保障调度稳定性

* 在添加任务类时新增入参校验逻辑
* 避免非法数据进入调度流程，确保自动编排日程接口执行稳定

docs: 📚 更新 README 智能编排算法说明

* 补充智能编排日程算法的设计思路与实现说明

undo: ⚠️ 追加导入课程后缓存未自动失效

* 追加导入课程后未自动删除对应周安排缓存，存在数据不一致风险
* 当前未能稳定复现，计划后续定位缓存失效时序与触发条件问题

README.md

@@ -291,7 +291,64 @@ PS：截至v0.3.3。其中黑色箭头为请求数据链路，绿色箭头为返
 
 ### 5.3.1 智能排课算法
 
+本系统采用 **“原子化时间网格（Atomic TimeGrid）”** 架构，实现了针对大学生复杂课表环境的智能任务填充。算法核心分为 **“沙盘模拟”、“边界感知探测”** 与 **“逻辑位移步进”** 三大模块。
 
+**1. 原子化时间沙盘 (Grid Sandboxing)**
+
+算法首先将物理时间窗口（StartDate 到 EndDate）抽象为一个三维矩阵 $Grid[Week][Day][Section]$。
+
+- **多维状态标记**：每个格子（Slot）是携带 `Status` 和 `EventID` 的 `slotNode` 节点。
+- **优先级注水（Hydration）**：
+  1. **Blocked（屏蔽区）**：根据用户配置的 `ExcludedSlots` 强制锁定，优先级最高。
+  2. **Filler（嵌入区）**：识别“水课”，标记为可利用资源。
+  3. **Occupied（占用区）**：映射既有硬核课程，确保调度不产生物理冲突。
+
+**2. 边界感知探测 (Boundary-Sensing Detection)**
+
+为了解决“任务块跨课分身”的 Bug，算法引入了 **EventID 校验机制**。
+
+- **容器自适应长度**：当算法探测到一个 `Filler` 槽位时，会向后贪心扫描，只有当相邻槽位的 `EventID` 相同且同为 `Filler` 时，才允许任务块拉伸。
+- **逻辑闭环**：这保证了任务块（TaskItem）要么完美嵌入单门水课，要么占据空地，绝不会出现一个任务横跨两门不同课程的情况。
+
+**3. 稳扎稳打：逻辑位移步进 (Logical-Offset Skipping)**
+
+在 `Steady`（稳扎稳打）模式下，为了实现负载均衡，算法弃用了传统的“物理时间跳跃”，改用 **“逻辑坑位跳跃”**。
+
+$$Gap = \frac{TotalAvailableSlots - (TaskCount \times 2)}{TaskCount + 1}$$
+
+- **物理跳跃（旧版/错误）**：直接 $Time + Gap$，容易因遇到屏蔽时段或硬核课而导致游标溢出，从而“吞掉”后续任务。
+- **逻辑跳跃（现行/优化）**：调用 `skipAvailableSlots` 函数，在 Grid 中沿时间轴向后数出 $Gap$ 个**真正可用**的格子作为下一个起点。
+- **价值**：确保了在有限的 **2C4G** 服务器资源下，任务能像“等距列队”一样均匀分布在学期空隙中。
+
+------
+
+**🛠️ 算法运行流程**
+
+1. **Build**：调用 `buildTimeGrid`，将数据库的离散 `Schedules` 映射为内存状态网格。
+2. **Count**：统计当前窗口内所有 `Free` 与 `Filler` 的原子位总数。
+3. **Allocate**：
+   - 通过 `FindNextAvailable` 锁定首个合法坑位。
+   - 进行 **容器探测** 决定任务块长度。
+   - 执行 `skipAvailableSlots` 寻找下一个负载均衡点。
+4. **Preview**：输出 DTO 到前端，标记 `status: "suggested"` 供用户预览高亮。
+
+------
+
+**⚡ 性能表现 (Optimization)**
+
+- **时间复杂度**：$O(W \times D \times S)$，其中 $W$ 为任务类跨度周数。在处理典型的 16 周排程时，计算量仅在数千次操作级别，单机响应达毫秒级。
+- **空间复杂度**：由于采用了按需创建周 Map 的策略，内存占用随任务跨度动态伸缩，极大地减轻了重庆邮电大学校园服务器环境下的 GC 压力。
+
+------
+
+**数据回填**
+
+在执行完上述算法后，将任务块分成两类数据：
+
+1. 需要新建`ScheduleEvent`的，插入纯空闲时段的数据；
+2. 直接嵌入现有课程中的任务块；
+
+然后分别调用不同的业务逻辑，开启大事务，批量插入，使得只需要连接2次数据库，并且若插入出错，支持批量回滚，不会存在任何脏数据。
 
 ## 5.4 Agent范式实现细节