fix(eval): 可观测性链路把用户取消的运行记成 cancelled，不再记成任务失败

[wxrbyte]

问题与修复

kernelHost.observeRunEvent() 把 run_completed / run_failed 先压成一个布尔量，settleEvaluationRun() 便只能落 completed / failed 两种状态：

const completed = event.type === 'run_completed';
void this.settleEvaluationRun(event.runId, event.sessionId, completed, event.timestamp);
// ...
const status: EvaluationRunStatus = completed ? 'completed' : 'failed';

而用户主动取消恰恰是以 run_failed + error.code = 'RUN_CANCELLED' 落地的（packages/shared/src/kernel/run-manager.ts:419-421，stream-event-adapter.ts:90-98 再把它归一成流事件的 cancelled），于是「取消」在这条链路上被记成了「任务失败」。

后果在统计口径上可见 —— packages/shared/src/evaluation/aggregate.ts:182-183：

export function isSkippedRun(run: EvaluationRun): boolean {
  return run.status === 'cancelled' || run.status === 'skipped';
}

记成 failed 之后 isSkippedRun 为 false ⇒ isQualityRun 为 true（运行已 started）⇒ 取消的运行被计入 evaluated 而 skipped 恒为 0；aggregate.ts:69-71 的 verdictForRun() 还会把该 case 判成 'fail'。core/src/evaluation.ts:624 对 skipped 的注释正是预期口径：「Cases never run: cancelled mid-flight or skipped after an abort.」

同层另一个生产者 experiment-service.ts:911 早已按 RUN_CANCELLED 落 'cancelled'，本改动让两个生产者对 EvaluationRunStatus 的口径一致。

修法（kernelHost.ts，+20/-4）：

• observeRunEvent() 直接推导 EvaluationRunStatus：run_completed → completed；run_failed + RUN_CANCELLED → cancelled；其余 run_failed → failed；
• settleEvaluationRun() 形参 completed: boolean → status: EvaluationRunStatus；EvaluationRun 字面量本就是 status 简写无需改动，exportAgentTrace({ completed }) 改为 completed: status === 'completed'，取值与修复前等价，trace 侧行为不变。

预算 / 护栏终止（BUDGET_EXHAUSTED、RETRY_STORM、LOOP_DETECTED）仍然是 failed，未被一并归入 cancelled —— 本 PR 只修「用户主动取消」这一条，并有一条锁定用例守住这条边界。

Closes #254

可复现测试报告

环境：Windows 11 + Git Bash，bun 1.3.14；上游 main ba5dcdfd。

新增两条用例（apps/electron/src/main/kernelHost.test.ts）：通过 runs.subscribe 注入 run_started → run_failed{RUN_CANCELLED} 并断言落到 EvaluationStore.addRun 的状态；另一条断言普通运行时错误（PROVIDER_ERROR）仍是 failed。

命令：bun test apps/electron/src/main/kernelHost.test.ts --isolate

状态	结果
修复前	12 pass / 1 fail
修复后	13 pass / 0 fail

修复前的失败输出（即缺陷证据）：

error: expect(received).toMatchObject(expected)

  {
    "id": "r1",
-   "status": "cancelled",
+   "status": "failed",
  }

其余门禁：

• bun test apps/electron --isolate = 32 pass / 0 fail（5 个文件）；
• bun run typecheck = core / i18n / shared / ui / electron 五个工作区全部 exit 0；
• 本机 packages/shared --isolate 基线为 1111 pass / 3 fail（ExperimentService.runExperiment 取不到 gitSha、durable research recovery 的 2s 轮询预算、langfuse backend 依赖本机 Langfuse 连通性），三项均在本 PR 未触碰的 packages/shared 上、与改动无关。

未运行：完整 e2e 套件（本机沙箱无法 spawn cmd.exe，属已知环境限制，详见此前 issue #223）。

文件级重叠披露

apps/electron/src/main/kernelHost.ts 是一个高争用文件，当前有 7 个 open PR 触及它，逐一核对后确认与本 PR 改动块不相交（坐标以 main ba5dcdfd 为准）：

PR	作者	在该文件的 hunk 起点	与本 PR 的关系
#64	yjg-djb	182 / 907 / 1339	同一函数：改的是 EvaluationRun 字面量的 error: 字段（≈1363-1370）；本 PR 改 :1335-1346（状态推导）与 :1400（completed 实参），相隔 ≥20 行，且 #64 未触碰任何状态推导逻辑
#244	wxrbyte	2097	≥750 行之外
#246	wxrbyte	1579 / 2461	≥230 行之外
#97	Jackkp0t	271 / 2332	≥230 行之外
#56	Cordis798	多处，最近 2313	≥900 行之外
#4	eric7h	164 / 289 / 2039	≥650 行之外
#53	CC1227871（Draft，base 6a9a288e）	8 / 491 / 2610	≥1200 行之外

最接近的 #64（issue #19 的 redaction 分支）当前 mergeable_state=clean，其 base 为陈旧的 6405b7b9。若 #64 先合入，本分支需按常规 rebase；两者语义独立（一个是错误文本脱敏，一个是运行状态分类），不会互相覆盖。

UI 变化

无可见 UI 变化（只改主进程写入评估存储的状态字段；不改渲染层、不改 IPC 面）。