[Perf] 记录 AI 出题耗时基线并优化超时/上下文预算

[G-Ethan007]

背景

docs/已知问题与后续计划.md CM-01：

真实环境使用 4 份资料、39 个片段生成 10 道进阶题约需 77 秒。已有后台进度、总超时和有限重试，但模型拥堵时仍可能等待较久或失败。

出题主流程已可用，但用户体感与运维调参缺少可对比的耗时数据。

目标

形成可复现的耗时观测，再据此调整超时、上下文预算和默认模型建议，而不是凭感觉改配置。

任务

• 在日志或管理侧摘要中结构化记录：模型、题量、难度、知识库数量、片段数、首 Token 时间、总耗时、错误类型、是否重试
• 用固定样例（可与 [Quality] 建立 RAG 与 AI 出题固定评估基线 #32 评估语料共用）跑多组：5/10/15 题 × 基础/进阶
• 汇总 P50 / P95（注明模型与日期）
• 根据数据复核：
  • QUIZ_TIMEOUT_SECONDS
  • QUIZ_CONTEXT_MAX_TOKENS / QUIZ_CONTEXT_MAX_CHUNKS
  • QUIZ_MAX_TOKENS
  • 默认模型与是否关闭 thinking
• 前端在长时间生成时给出更清晰的阶段说明与可取消预期（若后端已支持）

验收标准

1. 至少有一份带日期的耗时表写入文档或 Issue 评论（模型、资料规模、题量、P50/P95）。
2. 配置项调整有数据依据，或明确「维持现状 + 原因」。
3. 模型拥堵/超时失败时用户可见明确错误，而不是无限转圈。

相关位置

• backend/app/services/quiz_service.py
• backend/app/services/quiz_job_service.py
• frontend/src/views/QuizView.vue
• .env.example（QUIZ_*）
• docs/已知问题与后续计划.md（CM-01）

优先级

P1