第五轮：锁/续跑/超时/自动分支/R4 探针与 encode-once/控制台加固；阶段内断点续跑（gen 按条、prep 按 shard、训练与 APG 定时原子存档+体面停止）；分歧以实现方意见为准

ml/common/ckpt.py

@@ -0,0 +1,44 @@
+"""断点存档与"体面停止"（2026-10-18 第五轮补充：用户要求长训练意外中断后能接着跑，不从头来）。
+
+- atomic_save：先写 <名>.tmp 再 os.replace —— 断电/被杀发生在写盘中途时，旧的 last.pt 仍完整可用。
+- Saver.due()：按墙钟每 every_min 分钟存一次 last.pt（不再只在每 2000 步验证时存，断电最多丢 10 分钟）。
+- Saver.stop()：收到 SIGTERM/SIGINT，或看到停止标记文件 ml/runs/STOP 时返回 True；
+  训练循环据此先存 last.pt 再以 143 退出。Windows 上 taskkill /F 是硬杀、收不到信号，
+  所以控制台「停止」先写 STOP 文件、等进程自己存档退出，超时才硬杀（见 monitor.Job.stop）。
+"""
+import os, signal, time
+import torch
+
+ROOT = os.path.dirname(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
+STOP = os.path.join(ROOT, 'ml', 'runs', 'STOP')
+
+
+def atomic_save(obj, path):
+    tmp = path + '.tmp'
+    torch.save(obj, tmp)
+    os.replace(tmp, path)
+
+
+class Saver:
+    def __init__(self, every_min=10.0):
+        self.every = every_min * 60; self.last = time.time(); self._sig = False; self._chk = 0.0
+        for s in ('SIGTERM', 'SIGINT', 'SIGBREAK', 'SIGHUP'):
+            if hasattr(signal, s):
+                try: signal.signal(getattr(signal, s), self._on)
+                except (ValueError, OSError): pass   # 非主线程等情况：只靠 STOP 文件
+
+    def _on(self, *_): self._sig = True
+
+    def stop(self):
+        if self._sig: return True
+        now = time.time()
+        if now - self._chk > 2:                      # 文件每 2 s 查一次，不拖慢训练步
+            self._chk = now; self._sig = os.path.exists(STOP)
+        return self._sig
+
+    def due(self):
+        if time.time() - self.last >= self.every:
+            self.last = time.time(); return True
+        return False
+
+    def mark(self): self.last = time.time()