feat(接口2): C端生发发际线预览(真实实现，替换Mock)

第一步：按性别把发际线类型贴图渲染到照片，输出 N 张发际线叠加预览图。

- hairline/render.py: 解析 face_ext.obj(502 UV + 64 ribbon扩展面) + OpenCV 逐三角
  仿射 warp 渲染器；关键修复——face_ext.obj 是 OBJ序，用 INDEX_MAP_468 把 MP序
  502点重排成 OBJ序后再投影，否则 ribbon 会错贴到中脸
- hairline/service.py: FaceLandmarker+SegFormer 单例 + 性别贴图映射(扫描去空格)
  + generate_previews 管线(female5/male4)
- 集成点修复: face_landmarks DEFAULT_MODEL_PATH 改 hairline/models/;
  constants HF_FACE_PARSER_MODEL 改本地路径(离线)
- app.py: /api/v1/hair/grow 接真实实现，gender 必填(非法→1004)，返回
  results[].image_base64(不落盘)，校验/鉴权同接口1；lifespan 预热接口2单例；
  补 logging.basicConfig
- 依赖: transformers==4.45.2；SegFormer 权重走 hf-mirror 下载(见 OFFLINE_ASSETS)
- 测试: tests/test_hairline.py(mesh/重排/贴图映射) + test_api 接口2用例，31 全绿

注：SegFormer 受 5090/torch 限制走 CPU(~2.5s/张)，换 cu128 可 SEG_DEVICE=cuda。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

OFFLINE_ASSETS.md

@@ -19,10 +19,14 @@
 |------|------|------|
 | model.safetensors | `hairline/models/face-parsing/model.safetensors` | 338,580,732 B (~323MB) |
 
-下载命令：
+下载命令（国内用 hf-mirror 镜像，快很多）：
 ```bash
+# 国内镜像（推荐）
 curl -L -o hairline/models/face-parsing/model.safetensors \
-  "https://huggingface.co/jonathandinu/face-parsing/resolve/main/model.safetensors"
+  "https://hf-mirror.com/jonathandinu/face-parsing/resolve/main/model.safetensors"
+# 官方源
+# curl -L -o hairline/models/face-parsing/model.safetensors \
+#   "https://huggingface.co/jonathandinu/face-parsing/resolve/main/model.safetensors"
 ```
 
 sha256 校验：
@@ -77,7 +81,7 @@ model.safetensors         https://huggingface.co/jonathandinu/face-parsing/resol
 
 模型已就位，但**内网机还需要 Python 依赖的离线 wheel 包**，否则 `pip install` 在内网无法联网安装。这部分**与目标机的操作系统、Python 版本、CUDA 版本强相关**，需确认后单独打包：
 
-- **worker（GPU 机）**：`mediapipe` / `opencv-python` / `numpy<2` / `Pillow` / **`torch`+`torchvision` 的 CUDA 版**（按 GPU 的 CUDA 版本选 cu118/cu121 等）+ FastAPI/uvicorn 全家桶。
+- **worker（GPU 机）**：`mediapipe` / `opencv-python` / `numpy<2` / `Pillow` / **`torch`+`torchvision` 的 CUDA 版**（按 GPU 的 CUDA 版本选 cu118/cu121 等）/ `transformers`（接口2 SegFormer）+ FastAPI/uvicorn 全家桶。
 - **网关机**：很轻，只需 FastAPI/uvicorn/httpx 等代理依赖，**不需要 torch/mediapipe**。
 
 > 架构已拆分（见 `docs/系统架构-网关与高性能后端.md`）：算法依赖只装在 worker，网关保持轻量。