feat(dashboard): 统计每个会话的「人工对话次数」与「token 用量」 #75

背景

PR #70（实现 #34 Human Intervention 指标）落地后，发现实际需求与实现方向有偏差：
当时实现聚焦在「人工干预」三类信号——interrupt（ESC 打断）/ toolReject（拒绝工具）/ correction（stop 后 60s 内的纠偏 re-prompt）。

但更想要的核心指标其实是更朴素的两个：

1. 人工对话的次数：一个会话里人类到底发了几轮 prompt（衡量"让 agent 干完一件事需要人来回说几次"）。
2. token 用量：这个会话/这个人累计消耗了多少 token。

correction 这种"猜测用户是不是在纠偏"的启发式不是重点。

目标（已确认的范围）

• 保留现有的「人工干预」指标（interrupt / toolReject / correction），本 issue 在其之上新增两个指标，不删除旧的。
• 新增指标 1 —— 对话次数：统计每个会话的 UserPromptSubmit 事件数（= 人类对话轮数）。
• 新增指标 2 —— token 用量：input / output / cache（cache_read + cache_creation）分桶统计，并给出总量。
  • 数据来源：Claude Code transcript 里的 message.usage。
  • ⚠️ 注意：同一条 assistant 消息（同一 message.id）会跨多行 JSONL 重复出现且 usage 相同，累加时必须按 message.id 去重，否则严重重复计数。
  • 拿不到 transcript 的工具（如 Cursor）优雅降级：token 显示 N/A，仅保留对话次数。

落地范围（三处贯通，沿用现有架构）

验收标准

• dashboard 会话卡片显示该会话的人类对话轮数与 token 用量（in/out/cache + 总量）。
• teamai pull 幂等聚合 prompts/tokens 到 stats/<user>.yaml，重复 pull 不重复计数。
• teamai digest 给出团队对话次数与 token 用量汇总。
• Claude Code transcript 的 token 按 message.id 去重，无重复计数。
• Cursor 等无 transcript 工具优雅降级（token N/A，对话次数仍统计）。
• 隐私：只统计次数/数量，不落地任何 prompt 或 transcript 原文。
• npx tsc --noEmit + npx vitest run 全绿，新增覆盖采集/聚合/上报/digest。

备注

• 关联：PR feat(dashboard): Human Intervention metric (#34) #70 / [feat] 统计每个对话的人工干预次数（Human Intervention 指标） #34。
• 开发分支已起：feat/conversation-token-metrics（worktree），等本 issue 确认范围后继续。