[WIP][Fix] Key compile state by topology and resolve it per call

[cennn]

背景与问题

推理运行时会在请求之间改变并行拓扑：adaptive DP 根据队列深度在 cp=8/dp=1 与 cp=4/dp=2 之间切换。
在这种场景下，magi_compile 会把第一个拓扑编译出的图一直用下去。

原因是两处叠加：

• compile state 挂在固定属性 _magi_state_for_<entry> 上，所有拓扑共用一份；
• 该属性名在 wrap 时（模型构造那一刻）解析一次，被 new_call 的闭包捕获，之后不再变化。

而 state 持有的是已捕获的 bytecode / AOT 产物，_run_orchestration 的 fast path 直接 replay 它们，
不经过 dynamo 的 guard；这些产物又把 trace 时的 ProcessGroup 固化在图里（ProcessGroup 不是 tensor，
dynamo 无法把它变成图输入）。于是拓扑切换后，replay 的图仍在旧通信组上通信。

在下游（athena 的 gaga4 disagg 推理）表现为切换后 dist.all_to_all_single 报
NCCL Error 1: unhandled cuda error / NCCL Error 3: internal error。

本 PR 做了什么

1. compile state 按拓扑分身：属性名附加 MAGI_COMPILE_TOPOLOGY_KEY（运行时在每次 mesh 变更时刷新，
   与 [Fix] Include parallel topology in cache directory to prevent cross-contamination #42 引入的 cache 目录 key 同源）。每个拓扑各自编译一次、各自保留，回访时复用。
2. 属性名改为每次调用解析：这是让上一条真正生效的关键——原先在 wrap 时固定，分身逻辑根本接触不到运行时的拓扑变化。
3. 重复包装的判定改用 wrapper installed flag：原先借 state 属性是否存在来判断，state 分身后该判定不再可靠。

验证

4 rank / gloo 的最小 probe（编译一个读取当前 CP 组并据此计算的函数，切换拓扑后再调用）：

编译方式	cp=4	切到 cp=2	切回 cp=4
torch.compile（dynamic False/True/None 三种）	4.0	2.0 跟随切换	4.0
magi_compile（本 PR 之前）	4.0	4.0 复用了 cp=4 的图	4.0
magi_compile（本 PR 之后）	4.0	2.0 跟随切换	4.0

torch.compile 一列说明它自己的 guard 本就能识别组的变化，问题只在 fast path 绕过 guard 的这条路径上。

收益

• 正确性：消除拓扑切换后在错误通信组上通信的问题。
• 性能：拓扑回访直接命中已编译产物。此前下游只能在每次切换时用 torch._dynamo.reset() 全量丢弃图来规避，
  代价是完整重新 trace——在 gaga4 上实测单步 denoise 从秒级变成 2m23s / 2m29s / 2m47s。

[附件位置：adaptive DP 切换前后的端到端时间线对比（甘特图 + 原始日志），待补]

其他

无行为变化的路径：未设置 MAGI_COMPILE_TOPOLOGY_KEY 时属性名与此前完全一致，单一固定拓扑的用法不受影响。