refactor: 小程序端代码瘦身与功能补齐

- 清理冗余代码与配置：
  - 删除废弃的 mock 适配器、通用 mock 模块与示例API
  - 移除冗余的 ts 类型文件与 patch 目录
  - 简化 tsconfig 组件路径配置
- 新增功能与优化：
  - 新增全局水印组件与水印配置
  - 接入微信小程序登录/手机号登录
  - 新增系统参数配置 store 与国际化支持
  - 新增 markdown 渲染插件与样式配置
  - 优化 pinia 持久化逻辑修复
  - 新增微信小程序 access_token 缓存配置
  - 修复登录趋势数据结构定义
  - 优化全局请求防抖重定向逻辑
- 页面与路由优化：
  - 补全引导页首次启动逻辑
  - 统一页面底部安全区适配
  - 更新页面路由类型声明
- 代码质量优化：
  - 移除无用 console.log 调试代码
  - 修复全局弹窗重复重登录问题
  - 优化 mp-html 组件配置

backend/app/api/v1/module_monitor/online/schema.py

@@ -26,6 +26,14 @@ class RecentLoginItem(BaseModel):
     login_location: str | None = None
 
 
+class LoginTrendItem(BaseModel):
+    """登录趋势（按天聚合）"""
+    day: str  # 日期 YYYY-MM-DD
+    logins: int = 0  # 登录次数
+    unique_users: int = 0  # 独立用户数
+    new_users: int = 0  # 当日新增用户数
+
+
 class DashboardStatsSchema(BaseModel):
     """仪表盘统计数据"""
     online_users: int = 0
@@ -33,4 +41,5 @@ class DashboardStatsSchema(BaseModel):
     today_login_count: int = 0
     today_unique_users: int = 0
     week_user_created: int = 0
+    login_trend: list[LoginTrendItem] = []
     recent_logins: list[RecentLoginItem] = []

backend/app/api/v1/module_monitor/online/service.py

@@ -12,7 +12,7 @@ from app.core.logger import logger
 from app.core.redis_crud import RedisCURD
 from app.core.security import decode_access_token
 
-from .schema import DashboardStatsSchema, OnlineQueryParam, RecentLoginItem
+from .schema import DashboardStatsSchema, LoginTrendItem, OnlineQueryParam, RecentLoginItem
 
 
 class OnlineService:
@@ -129,12 +129,76 @@ class OnlineService:
             for r in recent_rows
         ]
 
+        # 近 7 天登录趋势：按天聚合登录次数 / 独立用户 / 新增用户（含今天，共 7 天）
+        login_trend = await OnlineService._build_login_trend(db, today_start=today_start, week_start=week_start)
+
         result = DashboardStatsSchema(
             online_users=online_count,
             total_users=user_count,
             today_login_count=today_login_count,
             today_unique_users=today_unique_count,
             week_user_created=user_week_count,
+            login_trend=login_trend,
             recent_logins=recent_logins,
         )
         return result
+
+    @staticmethod
+    async def _build_login_trend(db: AsyncSession, *, today_start: datetime, week_start: datetime) -> list[LoginTrendItem]:
+        """构建近 7 天登录趋势（含今天，共 7 天，按日期倒序填充缺口为 0）。
+
+        参数:
+        - db (AsyncSession): 数据库会话
+        - today_start (datetime): 今天零点
+        - week_start (datetime): 7 天前零点
+
+        返回:
+        - list[LoginTrendItem]: 按日期升序的 7 天趋势
+        """
+        # 查询 7 天内每天登录次数与独立用户数
+        login_sql = (
+            select(
+                func.date(LoginLogModel.created_time).label("day"),
+                func.count().label("logins"),
+                func.count(func.distinct(LoginLogModel.username)).label("unique_users"),
+            )
+            .where(
+                LoginLogModel.is_deleted.is_(False),
+                LoginLogModel.status == 1,  # 仅统计成功登录
+                LoginLogModel.created_time >= week_start,
+            )
+            .group_by(func.date(LoginLogModel.created_time))
+        )
+        login_rows = (await db.execute(login_sql)).all()
+        login_map = {str(r.day): (r.logins, r.unique_users) for r in login_rows}
+
+        # 查询 7 天内每天新增用户数
+        new_user_sql = (
+            select(
+                func.date(UserModel.created_time).label("day"),
+                func.count().label("new_users"),
+            )
+            .where(
+                UserModel.is_deleted.is_(False),
+                UserModel.created_time >= week_start,
+            )
+            .group_by(func.date(UserModel.created_time))
+        )
+        new_rows = (await db.execute(new_user_sql)).all()
+        new_map = {str(r.day): r.new_users for r in new_rows}
+
+        # 生成连续 7 天日期序列（升序），缺口补 0
+        trend: list[LoginTrendItem] = []
+        for offset in range(7):
+            d = week_start.date() + timedelta(days=offset)
+            day_str = d.isoformat()
+            logins, unique_users = login_map.get(day_str, (0, 0))
+            trend.append(
+                LoginTrendItem(
+                    day=day_str,
+                    logins=int(logins or 0),
+                    unique_users=int(unique_users or 0),
+                    new_users=int(new_map.get(day_str, 0) or 0),
+                )
+            )
+        return trend