feat: 新增去背景/PSD分层导出节点，优化聊天面板与重启逻辑

- 新增 O1keyRemoveBackground 节点（基于 rembg CPU 推理）
- 新增 O1keyColorRemoveBG 节点（颜色距离去背景，支持多模式）
- 新增 O1keySavePSD 节点（手写 PSD 二进制，零外部依赖）
- GPT Image 批量输出不同尺寸时自动 resize 对齐
- 聊天面板大幅增强（多模态/交互优化）
- 重启按钮绕过 beforeunload 弹窗强制刷新
- 默认路由切换为 CF加速
- http_error 新增 system error 友好文案

Co-Authored-By: Claude Opus 4.7 <[email protected]>

utils/rembg_utils.py

@@ -0,0 +1,65 @@
+"""
+背景移除工具模块
+基于 rembg 库实现，支持 CPU 推理
+"""
+
+import numpy as np
+import torch
+from PIL import Image
+
+_session = None
+
+
+def _get_session():
+    """懒加载 rembg session，避免启动时加载模型"""
+    global _session
+    if _session is None:
+        try:
+            from rembg import new_session
+            _session = new_session("isnet-general-use")
+            print("[o1key] rembg 模型加载完成 (isnet-general-use)")
+        except ImportError:
+            raise RuntimeError(
+                "未安装 rembg，请执行: pip install rembg[cpu]>=2.0.50"
+            )
+    return _session
+
+
+def remove_background_pil(image: Image.Image) -> Image.Image:
+    """
+    移除 PIL Image 背景，返回 RGBA 图像（背景透明）
+    """
+    from rembg import remove
+    session = _get_session()
+    result = remove(image, session=session)
+    return result.convert("RGBA")
+
+
+def remove_background_tensor(tensor: torch.Tensor) -> torch.Tensor:
+    """
+    移除 ComfyUI IMAGE tensor 的背景
+    输入: [B, H, W, C] (3或4通道)
+    输出: [B, H, W, 4] RGBA tensor
+    """
+    from rembg import remove
+    session = _get_session()
+
+    results = []
+    batch_size = tensor.shape[0]
+
+    for i in range(batch_size):
+        frame = tensor[i]  # [H, W, C]
+        arr = (frame.cpu().numpy() * 255).clip(0, 255).astype(np.uint8)
+
+        if arr.shape[2] == 4:
+            pil_img = Image.fromarray(arr, mode="RGBA")
+        else:
+            pil_img = Image.fromarray(arr, mode="RGB")
+
+        result = remove(pil_img, session=session)
+        result_rgba = result.convert("RGBA")
+
+        result_arr = np.array(result_rgba).astype(np.float32) / 255.0
+        results.append(torch.from_numpy(result_arr))
+
+    return torch.stack(results, dim=0)