feat: group test cases by tag

[Chamberlain0w0]

1. test_config.json：测试配置从单一平铺列表调整为按 tag 分组的 test_groups 结构，目前所有脚本的逻辑都是按组维护测例；
2. run_models_and_profile.bash：测试日志和 profile 日志改为按 tag 分类存储到 logs/<tag>/ 以及 profile_logs/<tag> 中；新增了 --only-run 参数，可以按单个或多个 tag（半角逗号分隔）选择性执行测试；
3. token.json：由于每个功能模块单开表格记录，所以每个 tag 对应一套表格，现在长这样：

{
    "APP_ID": "cli_XXXXXX",
    "APP_SECRET": "XXXXXX",
    "TAG_SPREADSHEET_CONFIGS": [
        {
            "tag": "basic",
            "MODEL_SPREADSHEET_TOKEN": {
                "GPT2": "XXXXXXXX",
                "LLAMA3": "XXXXXXXXX"
            }
        },
        {
            "tag": "zero",
            "MODEL_SPREADSHEET_TOKEN": {
                "GPT2": "XXXXXXXX",
                "LLAMA3": "XXXXXXXX"
            }
        }
    ]
}

4. write_to_feishu_sheet.py：按 tag 读取 log，并写入对应的表格；同时由于服务器网络环境成谜，新增 retry 逻辑，如果同一请求连续 3 次超时，脚本会直接报 fatal 并退出，这时需要人工手动回退飞书表格历史版本。
5. compare_xxx.py：适配新的日志目录结构，能够兼容带 tag 子目录的日志组织方式，逻辑改为对比最终的不带目录的纯文件名（test id），可以拿新的日志目录跟以前的旧的比。

[Chamberlain0w0]

新的 log 目录现在是这样：

[Chamberlain0w0]

compare 脚本运行时，新的 log 目录与旧的 log 目录兼容，可以按老方法比较

[Chamberlain0w0]

采用 --only-run 参数仅运行一个测例组

[Chamberlain0w0]

后面两个 commit 之后的行为跟上述截图依然一致，就不再贴图了

[Chamberlain0w0]

这个是在 log 目录下面，递归收集可比较日志，不看 tag，只按 basename 索引

[Chamberlain0w0]

由于只按 basename 索引，所以要求了不同 tag 下面的测例不能重名（我们目前也做到了这一点）

[Chamberlain0w0]

加了两个参数