Refactor RL disagg producer flow with deeper manager-side abstraction

[jayhenry]

动机

这次重构的核心目标是把分散在 AgentLoopManager 里的隐藏信息收进更合适的局部抽象里，让 manager 只负责流程编排。

主要隐藏的信息包括：

• ProduceProgress 隐藏 producer / consumer 的累计进度口径，包括 target、consumed、future step 的推进规则。
• ReplayBuffer 隐藏 batch 是否 ready、如何取 batch、如何统计状态、如何刷新 staleness 等 buffer 操作细节。
• ProduceContext 隐藏 strategy 运行时需要的 task 上下文，包括 sampler、replay buffer、progress、abort 信号、model step、生成结果入库顺序。
• _PendingTasks 隐藏 async pending rollout task 的并发协议，包括 schedule、wait、claim、cancel，避免 manager 直接读取 strategy 私有状态。

这样 AgentLoopManager 不再需要理解这些底层操作细节，只保留 colocate / disagg 的生产、消费、暂停、恢复等流程控制。

主要改动

• 收敛 ProduceStrategy.produce_batch(ctx) / pause_produce(ctx) 参数为 ProduceContext。
• 新增/完善 ProduceProgress，统一维护生产和消费进度。
• 扩展 ReplayBuffer，承接通用 batch 和 staleness 操作。
• 新增 _PendingTasks，封装异步 pending task 集合操作。
• AgentLoopManager.save() 通过 ProduceStrategy.pending_task_count() 检查 pending task，不再访问策略私有字段。
• 简化 _produce_batch_to_buffer，显式传入 task_batch_sizes，并统一 single/multi task 生产路径。
• 拆分 _get_batch_from_buffer 的日志和 result 构造逻辑。
• 压平 produce_loop 的状态等待分支。