refactor: 抽象解耦推理引擎并重构为多Crate工作空间架构

- 移除 核心层与 tract/Tensor 的强耦合，前/后处理全线转用标准 ndarray
- 针对 OCR 与目标检测（Det）分别设计独立的强类型输出小枚举（OcrOutput/DetOutput）
- 利用 Trait 关联类型（Associated Type）InferenceEngine,OcrEngine,DetEngine 统一接口，实现多后端解耦
- 引入 thiserror 库，建立完备的强类型错误处理机制（DdddError/Result）
- 完成项目结构初拆，剥离为 ddddocr-core 和 ddddocr-tract

ddddocr-core/src/lib.rs

@@ -0,0 +1,37 @@
+mod algo;
+pub mod error;
+pub mod models;
+pub mod utils;
+
+pub use crate::algo::{SlideResult, Slider};
+use crate::error::Result;
+pub use crate::models::det::{DetBuilder, DetectionResult, Detector};
+pub use crate::models::ocr::{Ocr, OcrBuilder, OcrResult};
+pub use models::ocr::metadata::ModelMetadata;
+// DetSession
+
+pub enum OcrOutput {
+    Indices(ndarray::Array1<i64>), // 拥有完整所有权的 1维数组，可任意传递和返回
+    Logits(ndarray::Array2<f32>),
+}
+/// 2. 目标检测专属的、编译期安全的输出枚举
+pub enum DetOutput {
+    Detection(ndarray::Array3<f32>), // 拥有完整所有权的 2维矩阵，可任意传递和返回
+}
+
+/// 核心层定义的统一推理引擎接口。
+/// 未来的 ddddocr-tract 和 ddddocr-ort 都必须实现这个 Trait
+
+pub trait InferenceEngine {
+    /// 关联类型：具体的 Session 需要声明自己到底产出什么枚举
+    type Output;
+    fn inference(&self, input_array: ndarray::Array4<f32>) -> Result<Self::Output>;
+}
+
+pub trait OcrEngine: InferenceEngine<Output = OcrOutput> {
+    fn metadata(&self) -> &ModelMetadata;
+}
+
+pub trait DetEngine: InferenceEngine<Output = DetOutput> {}
+
+