feat: AI 模型按场景独立配置（llm_scenes）+ 去重多来源合并

- system.yaml 新增 llm_scenes（translation / daily_report，含用途/方法/模型要求说明）
- load_llm_config(scene=...) 场景覆盖；日报摘要 temperature 0.3 硬编码 → 配置
- M3 去重：唯一篇记录 source_ids（跨源重复合并，首个来源为 source_id）
- source_ids 经翻译透传至 events，日报事件 source 多来源拼接展示（≤3 个）
- 已部署 pi5：merge 实证 10 源合并；日报 report_id=224 正常入库

README.md

@@ -140,11 +140,27 @@ ls -lt data/reports/
 | 文件 | 用途 |
 |------|------|
 | `configs/sources.yaml` | 英文财经新闻源定义（13 个源） |
-| `configs/system.yaml` | 系统级业务参数（超时/并发/LLM 模型等） |
+| `configs/system.yaml` | 模型按场景（`llm_scenes`）/重试/阈值等系统配置 |
+| `configs/profiles/8g_headful.yaml` | Pi 服务器 headful 抓取配置（代理/超时） |
 | `configs/profiles/8g_headful.yaml` | Pi 服务器 headful 抓取配置（代理/超时） |
 | `.env` | 密钥 / 服务地址（不入 Git） |
 | `prompts/` | LLM Prompt 模板（翻译/日报/搜索 Agent） |
 
+### AI 模型按场景配置（llm_scenes）
+
+大模型按场景独立配置，见 `configs/system.yaml` 的 `llm_scenes` 段：
+
+| 场景 | 用途 | 模型（当前） | 参数 |
+|------|------|-------------|------|
+| `translation` | M4 全文英译中 + 投资事件抽取 | deepseek-v4-flash | temperature=0.1, max_tokens=8192 |
+| `daily_report` | M7 日报 AI 摘要（分批生成） | deepseek-v4-flash | temperature=0.3, max_tokens=1500 |
+
+场景未声明的字段回退 `llm` 默认段；Embedding 为单一场景（`en_finance_news` 库入库/检索向量必须同模型，不支持拆分）。
+
+### 去重多来源（M3）
+
+去重时跨源重复的新闻，会把所有来源记录到保留的唯一篇 `source_ids` 字段（首个来源为 `source_id`），经翻译透传后在日报事件 `source` 展示（如 "Barron's, CNBC, Reuters"，最多 3 个）。
+
 ### 日报入库（M9）
 
 日报内容结构化写入与 [news 项目](https://github.com/) 共用的 MySQL `myquant` 库（表 `news_report` / `news_event`，`report_type="intl"`，同一天重复生成幂等覆盖）。表结构与数据契约见 news 项目 `docs/db_schema.md`。

configs/system.yaml

@@ -40,18 +40,56 @@ dedup:
   simhash_window_days: 30
   min_content_length: 100
 
-# ── LLM 翻译+事件抽取 ────────────────────────────────
+# ── LLM 默认配置（所有 LLM 场景的兜底）────────────────
+# 按场景独立配置见下方 llm_scenes 段；场景未声明的字段回退到本段。
 llm:
   provider: "deepseek"
   deepseek_model: "deepseek-v4-flash"
   qwen_model: "qwen-plus"
   timeout_sec: 60
-  max_attempts: 3          # 单篇总尝试次数（含首次），失败后指数退避重试；日报 AI 摘要同用此值
+  max_attempts: 3          # 单篇总尝试次数（含首次），失败后指数退避重试
   max_tokens: 8192
   temperature: 0.1
   concurrency: 3
 
-# ── Embedding 向量化 ────────────────────────────────
+# ── LLM 场景配置（按场景独立指定大模型类型与参数）──────
+# 每个场景可覆盖 provider / model / temperature / max_tokens / max_attempts / timeout_sec；
+# 场景内统一用 "model" 键指定模型（优先于 llm 段的 deepseek_model / qwen_model）。
+llm_scenes:
+  translation:
+    # M4：全文英译中 + 投资事件抽取（单次 LLM 调用合并输出）
+    provider: "deepseek"
+    model: "deepseek-v4-flash"
+    temperature: 0.1
+    max_tokens: 8192
+    description: |
+      用途: M4 对去重后的英文正文做全文英译中，并抽取投资事件
+            （事件类型/美股代码/情绪/重要度/摘要，单次调用合并输出）
+      使用方法: llm/pipeline.py 调用 load_llm_config(scene="translation")，
+            配合 concurrency=3 逐篇并发；单篇失败重试 max_attempts 次后跳过，
+            未翻译篇由增量机制下次补齐
+      模型要求: 中英财经翻译准确、术语一致；严格按 Prompt 输出 JSON 结构；
+            单篇平均 ≤3 秒；max_tokens 需容纳长文（建议 ≥8192）
+  daily_report:
+    # M7：每日 AI 摘要日报（五段式，高重要度事件分批生成）
+    provider: "deepseek"
+    model: "deepseek-v4-flash"
+    temperature: 0.3
+    max_tokens: 1500
+    description: |
+      用途: M7 日报 AI 摘要（五段式），高重要度事件分批（≤10 条/批）生成
+            各批摘要后合并为完整日报摘要
+      使用方法: scheduler/reporter.py::_call_llm_simple 使用
+            load_llm_config(scene="daily_report")；分批/合并失败均有回退，
+            全部失败走规则兜底（直接列 Top 事件），日报仍正常入库
+      模型要求: 中文财经总结能力强；单批 600-1500 字摘要质量稳定；
+            支持高频短调用（crontab 07/12/18 每天 3 次 × 每份 3 批）
+
+# ── Embedding 向量化（单一场景，不按场景拆分）─────────
+# 说明: Qdrant collection en_finance_news 的入库向量与检索查询向量必须由
+# 同一模型生成（跨模型向量无法比较），因此 embedding 不支持按场景独立配置。
+# 调用点: embedding/pipeline.py（入库）、vectorstore/pipeline.py（检索）、
+# mcp_server/server.py（MCP 搜索查询向量化）——三处共用本配置。
 embedding:
   provider: "dashscope"
   dashscope_model: "text-embedding-v3"

continuation.md

@@ -1,6 +1,39 @@
 # continuation.md — English Financial News 项目状态
 
-> 最后更新：2026-08-04
+> 最后更新：2026-08-12
+
+---
+
+## 2026-08-12 会话成果
+
+### M9.2：AI 模型按场景配置 + 去重多来源
+
+**背景：** ① 本项目所有 AI 大模型调用点（M4 翻译+事件抽取、M7 日报 AI 摘要、M5 向量化）此前共用同一套 `llm`/`embedding` 配置；② M3 去重跨源重复时丢弃重复篇来源信息。
+
+**改动：**
+
+| 文件 | 改动内容 |
+|------|---------|
+| `configs/system.yaml` | 新增 `llm_scenes` 段（translation / daily_report，含用途/使用方法/模型要求说明，字段回退 `llm` 默认段）；`embedding` 段注释说明单一场景原因 |
+| `llm/client.py` | `_load_system_config(scene)` 场景合并；`load_llm_config(..., scene)` 支持按场景覆盖 provider/model/参数；场景统一用 `model` 键 |
+| `llm/pipeline.py` | `load_llm_config(scene="translation")` |
+| `scheduler/reporter.py` | `_call_llm_simple` 用 `scene="daily_report"`；`temperature` 硬编码 0.3 → `config.temperature`（技术债清除）；新增 `_article_source_label()` 多来源拼接展示 |
+| `extractor/models.py` / `llm/models.py` | `ProcessedArticle` / `EnTranslatedArticle` 新增 `source_ids` 字段 |
+| `dedup/pipeline.py` | unique 初始化 `source_ids=[source_id]`；dup 时 `_merge_duplicate_source()` 跨日期目录合并来源进唯一篇 |
+| `llm/extractor.py` | 同步/异步构造 `EnTranslatedArticle` 透传 `source_ids` |
+| `tests/` | `test_llm.py` 场景配置 4 用例；`test_dedup.py::TestMergeSources` 3 用例；`test_report_db.py` 多来源拼接 2 用例 |
+
+**测试结果：** 本地全量 184 passed / 2 failed（原有 test_crawler 路径问题）；ruff 无新增。
+
+**部署验证（pi5 实盘）：**
+- scene 配置生效：translation=(v4-flash, 0.1)、daily_report=(v4-flash, 0.3, 1500)
+- 去重合并实证：历史唯一篇 `049da7e0c87160dc`（barrons 主源）被 9 个跨源重复篇合并 → `source_ids` 10 个来源
+- 日报仍正常入库：report_id=224（2026-08-12, 15 事件）；当天 DeepSeek 摘要 3 次返回空 → 规则兜底，日报未中断（失败处理按设计工作）
+- 多来源展示：`_article_source_label` 实测 "Barron's, CNBC, Reuters"；单源回退正常
+
+**已知说明：**
+- 历史 3368 个 deduped 旧文件无 `source_ids` 字段（不回填，向前生效）；events 文件由下次 crontab 07:00 用新代码自然带出透传
+- 179 篇全重复（增量正常）；138 个跨源重复的 merge 目标多为历史日期目录文件（指纹库 ±30 天窗口所致），非当天 uniques
 
 ---
 

dedup/pipeline.py

@@ -103,6 +103,8 @@ def dedup_source(
 
         if result.is_duplicate:
             dup_count += 1
+            # 跨源重复：把来源合并进已保留的唯一篇（记录多个来源）
+            _merge_duplicate_source(article, result)
             logger.debug("[%s] 🔁 %s → L%d: %s",
                          source_id,
                          article.title[:40],
@@ -110,6 +112,9 @@ def dedup_source(
                          result.short_summary())
         else:
             unique_count += 1
+            # 初始化来源列表（首个来源 = 本篇文章来源）
+            if not article.source_ids:
+                article.source_ids = [article.source_id]
             # 写入唯一条目
             out_file = out_dir / f"{article.url_hash}.json"
             out_file.write_text(
@@ -130,6 +135,38 @@ def dedup_source(
     }
 
 
+def _merge_duplicate_source(article: ProcessedArticle, result: DedupResult) -> None:
+    """重复篇：把来源 ID 追加进已保留的唯一篇 JSON（最终显示的新闻记录多个来源）。
+
+    唯一篇文件按 url_hash 定位（跨日期目录搜索，因指纹窗口为 ±30 天）；
+    文件不存在（超窗口被清理）时仅记录日志，不阻塞去重流程。
+    """
+    if not result.matched_url_hash:
+        return
+    candidates = sorted(Path("data/deduped").glob(f"*/uniques/{result.matched_url_hash}.json"))
+    if not candidates:
+        logger.warning(
+            "重复篇唯一文件不存在（可能已超窗口）: %s（重复来源 %s 未合并）",
+            result.matched_url_hash, article.source_id,
+        )
+        return
+    target = candidates[0]
+    try:
+        data = json.loads(target.read_text(encoding="utf-8"))
+        # 旧格式文件可能无 source_ids：以主来源 source_id 兜底
+        merged = list(dict.fromkeys(
+            [*(data.get("source_ids") or [data.get("source_id")]), article.source_id]
+        ))
+        data["source_ids"] = merged
+        target.write_text(
+            json.dumps(data, indent=2, ensure_ascii=False), encoding="utf-8"
+        )
+        logger.debug("来源合并: %s → %s (sources=%s)",
+                     article.source_id, result.matched_url_hash, merged)
+    except Exception as e:
+        logger.exception("来源合并失败 %s: %s", target, e)
+
+
 def _layer_num(result: DedupResult) -> int:
     """DedupResult → 命中层编号。"""
     if result.matched_layer is None:

extractor/models.py

@@ -1,6 +1,6 @@
 """正文提取数据模型"""
 
-from pydantic import BaseModel
+from pydantic import BaseModel, Field
 
 
 class ProcessedArticle(BaseModel):
@@ -20,3 +20,8 @@ class ProcessedArticle(BaseModel):
     status: str = "success"              # success | no_content | failed
     extractor: str = "trafilatura"       # trafilatura | crawl4ai_md | none
     error: str = ""
+    source_ids: list[str] = Field(
+        default_factory=list,
+        description="去重合并后的所有来源 ID（M3 去重时跨源命中重复会追加；"
+        "首个来源始终为 source_id）",
+    )

llm/client.py

@@ -29,14 +29,26 @@ _QWEN_DEFAULT_MODEL = "qwen-plus"
 _DEFAULT_MAX_ATTEMPTS = 3
 
 
-def _load_system_config() -> dict:
+def _load_system_config(scene: str | None = None) -> dict:
-    """加载 configs/system.yaml 中 llm 段配置。"""
+    """加载 llm 配置；scene 指定时与 llm_scenes.{scene} 合并（场景覆盖默认段）。
+
+    Args:
+        scene: 场景名（translation / daily_report）。未配置该场景时回退 llm 段。
+    """
     config_path = Path("configs/system.yaml")
     if config_path.exists():
         try:
             with open(config_path, encoding="utf-8") as f:
                 raw = yaml.safe_load(f)
-            return raw.get("llm", {})
+            base = raw.get("llm", {})
+            if scene:
+                scene_cfg = (raw.get("llm_scenes", {}) or {}).get(scene, {})
+                if not scene_cfg:
+                    logger.warning(
+                        "system.yaml 中不存在 llm_scenes.%s，使用 llm 默认段", scene
+                    )
+                return {**base, **scene_cfg}
+            return base
         except Exception:
             logger.warning("加载 llm 配置失败，使用空配置")
     return {}
@@ -64,26 +76,28 @@ def load_llm_config(
     provider: str | None = None,
     *,
     model: str | None = None,
+    scene: str | None = None,
 ) -> LLMConfig:
     """根据配置文件构造 LLMConfig。
 
-    provider 为 None 时读 system.yaml llm.provider，默认 deepseek。
+    provider 为 None 时读 system.yaml（或场景段）llm.provider，默认 deepseek。
-    model 为 None 时读 system.yaml 中对应 provider 的 model。
+    model 为 None 时优先读场景段的 model 键，其次 system.yaml 对应 provider 的 model。
+    scene 指定时，llm_scenes.{scene} 覆盖 llm 默认段的各参数（按场景独立配置模型）。
 
     Raises:
         ValueError: API key 未配置
     """
-    config = _load_system_config()
+    config = _load_system_config(scene=scene)
     p = (provider or config.get("provider", "deepseek")).lower()
 
     if p == "deepseek":
         api_key = os.environ.get("DEEPSEEK_API_KEY", "")
         base = os.environ.get("DEEPSEEK_BASE_URL", _DEEPSEEK_DEFAULT_BASE)
-        m = model or config.get("deepseek_model", _DEEPSEEK_DEFAULT_MODEL)
+        m = model or config.get("model") or config.get("deepseek_model", _DEEPSEEK_DEFAULT_MODEL)
     elif p in ("qwen", "dashscope"):
         api_key = os.environ.get("QWEN_API_KEY") or os.environ.get("DASHSCOPE_API_KEY") or ""
         base = os.environ.get("QWEN_BASE_URL", _QWEN_DEFAULT_BASE)
-        m = model or config.get("qwen_model", _QWEN_DEFAULT_MODEL)
+        m = model or config.get("model") or config.get("qwen_model", _QWEN_DEFAULT_MODEL)
         p = "qwen"
     else:
         raise ValueError(f"未知 LLM provider: {p!r}，仅支持 deepseek / qwen")

llm/extractor.py

@@ -264,6 +264,7 @@ def translate_and_extract(
                 source_name=article.source_name,
                 url=article.url,
                 url_hash=article.url_hash,
+                source_ids=list(article.source_ids),
                 title=article.title,
                 title_zh=output.title_zh,
                 content_en=article.content,
@@ -332,6 +333,7 @@ async def translate_and_extract_async(
                     source_name=article.source_name,
                     url=article.url,
                     url_hash=article.url_hash,
+                    source_ids=list(article.source_ids),
                     title=article.title,
                     title_zh=output.title_zh,
                     content_en=article.content,

llm/models.py

@@ -103,6 +103,10 @@ class EnTranslatedArticle(BaseModel):
     source_name: str
     url: str
     url_hash: str
+    source_ids: list[str] = Field(
+        default_factory=list,
+        description="去重合并后的所有来源 ID（透传自 ProcessedArticle.source_ids）",
+    )
 
     # ── 双语内容 ──
     title: str = ""              # 英文原标题

llm/pipeline.py

@@ -119,8 +119,8 @@ def translate_all_deduped(
         logger.warning("去重目录无文章: data/deduped/%s/uniques/", date_str)
         return {"date": date_str, "total": 0, "success": 0, "failed": 0, "elapsed_sec": 0}
 
-    # 初始化 LLM 客户端
+    # 初始化 LLM 客户端（translation 场景配置见 system.yaml llm_scenes.translation）
-    config = load_llm_config(provider=provider, model=model)
+    config = load_llm_config(provider=provider, model=model, scene="translation")
     client = make_sync_client(config)
     template = PromptTemplate()
 

scheduler/reporter.py

@@ -96,6 +96,23 @@ def _url_source_label(url: str, source_id: str = "") -> str:
     return domain_map.get(domain, domain)
 
 
+def _article_source_label(article: dict) -> str | None:
+    """文章来源展示：去重合并后多来源时拼接展示名，否则回退单源逻辑。
+
+    多来源（ProcessedArticle.source_ids 长度 > 1）时展示如 "Reuters, CNBC"，
+    最多取前 3 个来源，截断至 64 字符（news_event.source 为 VARCHAR(64)）。
+    """
+    src_ids = list(dict.fromkeys(
+        s for s in (article.get("source_ids") or []) if s and s != "?"
+    ))
+    if len(src_ids) > 1:
+        names = list(dict.fromkeys(
+            (_source_name(s) or s) for s in src_ids[:3]
+        ))
+        return ", ".join(names)[:64]
+    return _url_source_label(article.get("url"), article.get("source_id", ""))
+
+
 # 日报覆盖时间窗口（小时）
 _REPORT_WINDOW_HOURS = 25
 
@@ -299,11 +316,11 @@ def _call_llm_simple(
     """
     import time as _time
 
-    # 复用客户端（同 provider/model 只创建一次）
+    # 复用客户端（同 provider/model 只创建一次；日报摘要场景见 system.yaml llm_scenes.daily_report）
     cache_key = "default"
     if cache_key not in _llm_client_cache:
         from llm.client import load_llm_config, make_sync_client
-        _llm_client_cache["config"] = load_llm_config()
+        _llm_client_cache["config"] = load_llm_config(scene="daily_report")
         _llm_client_cache[cache_key] = make_sync_client(_llm_client_cache["config"])
 
     config = _llm_client_cache["config"]
@@ -321,7 +338,7 @@ def _call_llm_simple(
                     {"role": "system", "content": system_prompt},
                     {"role": "user", "content": user_prompt},
                 ],
-                temperature=0.3,
+                temperature=config.temperature,
                 max_tokens=max_tokens,
             )
             content = (resp.choices[0].message.content or "").strip()
@@ -581,7 +598,8 @@ def _build_report_data(
         article = ev.get("article", {})
         title = (article.get("title_zh") or article.get("title") or "").strip()[:512]
         url = article.get("url") or None
-        src = _url_source_label(url, article.get("source_id", ""))
+        # 去重合并后的多来源（如 "Reuters, CNBC"），否则回退单源展示
+        src = _article_source_label(article)
         # 归一化："" / "?" 不入库，留 None（DB 仅存 positive/negative/neutral）
         sentiment = ev.get("sentiment") or None
         if sentiment in ("", "?"):

tests/test_dedup.py

@@ -1,5 +1,6 @@
 """M3 三层去重模块单元测试。"""
 
+import json
 from pathlib import Path
 
 import pytest
@@ -17,6 +18,7 @@ from dedup import (
     normalize_content,
     simhash64,
 )
+from dedup.pipeline import dedup_source
 from extractor.models import ProcessedArticle
 
 # --------------------------------------------------------------------------- #
@@ -531,3 +533,100 @@ class TestDedupResult:
         summary = r.short_summary()
         assert "[DUP/simhash]" in summary
         assert "hd=2" in summary
+
+
+# --------------------------------------------------------------------------- #
+# dedup_source 跨源来源合并（M9.2：最终显示新闻记录多个来源）
+# --------------------------------------------------------------------------- #
+
+
+class TestMergeSources:
+    """dedup_source 在跨源重复时把来源合并进唯一篇。"""
+
+    DATE_STR = "20260805"
+
+    def _write_processed(
+        self,
+        base: Path,
+        source_id: str,
+        article: ProcessedArticle,
+    ) -> None:
+        """写入 data/processed/{source_id}/{date}/{url_hash}.json。"""
+        d = base / "data" / "processed" / source_id / self.DATE_STR
+        d.mkdir(parents=True, exist_ok=True)
+        (d / f"{article.url_hash}.json").write_text(
+            article.model_dump_json(indent=2, ensure_ascii=False), encoding="utf-8"
+        )
+
+    def test_cross_source_merge(self, tmp_path, monkeypatch):
+        """同内容两源报道 → 唯一篇 source_ids 记录两个来源，主来源不变。"""
+        monkeypatch.chdir(tmp_path)  # 隔离 data/ 相对路径与默认指纹库
+
+        content = ("The Federal Reserve kept interest rates unchanged on Wednesday. "
+                   "Markets rallied in response.")
+        art_a = _make_article(
+            url="https://www.reuters.com/business/1", url_hash="aaaa111111111111",
+            source_id="reuters", content=content,
+        )
+        art_b = _make_article(
+            url="https://www.cnbc.com/2026/1", url_hash="bbbb222222222222",
+            source_id="cnbc", source_name="CNBC", content=content,
+        )
+        self._write_processed(tmp_path, "reuters", art_a)
+        self._write_processed(tmp_path, "cnbc", art_b)
+
+        with Deduper() as deduper:
+            dedup_source("reuters", deduper, self.DATE_STR)
+            dedup_source("cnbc", deduper, self.DATE_STR)
+
+        # 唯一篇 = reuters（先处理），跨源重复后 source_ids 合并
+        uniq = tmp_path / "data" / "deduped" / self.DATE_STR / "uniques" / "aaaa111111111111.json"
+        assert uniq.exists()
+        data = json.loads(uniq.read_text(encoding="utf-8"))
+        assert data["source_id"] == "reuters"          # 主来源不变
+        assert data["source_ids"] == ["reuters", "cnbc"]
+        assert (tmp_path / "data" / "deduped" / self.DATE_STR / "uniques"
+                / "bbbb222222222222.json").exists() is False  # 重复篇不单独落盘
+
+    def test_unique_initializes_source_ids(self, tmp_path, monkeypatch):
+        """无重复时唯一篇 source_ids 初始化为 [source_id]。"""
+        monkeypatch.chdir(tmp_path)
+        art = _make_article(url="https://x.com/1", url_hash="cccc333333333333",
+                            source_id="ft", source_name="Financial Times")
+        self._write_processed(tmp_path, "ft", art)
+
+        with Deduper() as deduper:
+            dedup_source("ft", deduper, self.DATE_STR)
+
+        uniq = tmp_path / "data" / "deduped" / self.DATE_STR / "uniques" / "cccc333333333333.json"
+        data = json.loads(uniq.read_text(encoding="utf-8"))
+        assert data["source_ids"] == ["ft"]
+
+    def test_merge_idempotent(self, tmp_path, monkeypatch):
+        """同一来源重复出现多次合并时去重（不产生重复来源）。"""
+        monkeypatch.chdir(tmp_path)
+        content = "Identical content across sources for idempotent test."
+        art_a = _make_article(
+            url="https://www.reuters.com/business/2", url_hash="dddd444444444444",
+            source_id="reuters", content=content,
+        )
+        art_b = _make_article(
+            url="https://www.cnbc.com/2026/2", url_hash="eeee555555555555",
+            source_id="cnbc", source_name="CNBC", content=content,
+        )
+        art_c = _make_article(
+            url="https://www.marketwatch.com/2", url_hash="ffff666666666666",
+            source_id="marketwatch", source_name="MarketWatch", content=content,
+        )
+        self._write_processed(tmp_path, "reuters", art_a)
+        self._write_processed(tmp_path, "cnbc", art_b)
+        self._write_processed(tmp_path, "marketwatch", art_c)
+
+        with Deduper() as deduper:
+            dedup_source("reuters", deduper, self.DATE_STR)
+            dedup_source("cnbc", deduper, self.DATE_STR)
+            dedup_source("marketwatch", deduper, self.DATE_STR)
+
+        uniq = tmp_path / "data" / "deduped" / self.DATE_STR / "uniques" / "dddd444444444444.json"
+        data = json.loads(uniq.read_text(encoding="utf-8"))
+        assert data["source_ids"] == ["reuters", "cnbc", "marketwatch"]

tests/test_llm.py

@@ -463,6 +463,29 @@ class TestLoadLLMConfig:
         config = load_llm_config(provider="deepseek")
         assert config.max_attempts == 3
 
+    def test_scene_translation(self, monkeypatch):
+        """translation 场景覆盖 llm 默认段（模型/温度）。"""
+        monkeypatch.setenv("DEEPSEEK_API_KEY", "sk-deepseek-test-key")
+        config = load_llm_config(provider="deepseek", scene="translation")
+        assert config.model == "deepseek-v4-flash"
+        assert config.temperature == 0.1
+        assert config.max_attempts == 3
+
+    def test_scene_daily_report(self, monkeypatch):
+        """daily_report 场景独立配置（温度 0.3 / max_tokens 1500）。"""
+        monkeypatch.setenv("DEEPSEEK_API_KEY", "sk-deepseek-test-key")
+        config = load_llm_config(scene="daily_report")
+        assert config.provider == "deepseek"
+        assert config.model == "deepseek-v4-flash"
+        assert config.temperature == 0.3
+        assert config.max_tokens == 1500
+
+    def test_scene_unknown_falls_back_to_default(self, monkeypatch):
+        """未定义的场景名回退 llm 默认段，不报错。"""
+        monkeypatch.setenv("DEEPSEEK_API_KEY", "sk-deepseek-test-key")
+        config = load_llm_config(provider="deepseek", scene="not_exists")
+        assert config.temperature == 0.1
+
 
 # --------------------------------------------------------------------------- #
 # translate_and_extract（mock LLM）

tests/test_report_db.py

@@ -177,3 +177,25 @@ class TestBuildReportData:
                                Counter(), "")
         # "?" 不写入 DB，留 None
         assert r.events[0].sentiment is None
+
+    def test_multi_source_label(self) -> None:
+        """去重合并后的多来源 → source 拼接展示（Reuters, CNBC）。"""
+        now = datetime(2026, 8, 4, 8, 0, 0)
+        ev = _fake_high_event("多来源事件", 5, source_id="reuters",
+                              url="https://reuters.com/news/9")
+        # 模拟 M3 去重合并：source_ids 含两个来源
+        ev["article"]["source_ids"] = ["reuters", "cnbc"]
+        r = _build_report_data(now, {}, [ev], Counter(), Counter(), Counter(),
+                               Counter(), "")
+        assert r.events[0].source == "Reuters, CNBC"
+        assert r.events[0].url == "https://reuters.com/news/9"
+
+    def test_single_source_falls_back(self) -> None:
+        """source_ids 为空/单一时回退单源逻辑（不拼接）。"""
+        now = datetime(2026, 8, 4, 8, 0, 0)
+        ev = _fake_high_event("单来源事件", 4, source_id="investinglive",
+                              url="https://investinglive.com/news/3")
+        ev["article"]["source_ids"] = ["investinglive"]
+        r = _build_report_data(now, {}, [ev], Counter(), Counter(), Counter(),
+                               Counter(), "")
+        assert r.events[0].source == "InvestingLive"