feat: djapi 数据源归一化 + bug 修复 + 废弃 getDivData_AK

- 新增 djapi/api/stock/data_source.py 统一数源入口 (Tushare 单例)
- 迁移 10 个模块至统一数据源入口
- 废弃 getDivData_AK.py
- 修复 getStockDiv2.py / smoothBrush.py 等模块
- indexDatas API 参数 tscode 类型修正 (股票→指数代码)
- views.py + urls.py 接口清理
- continuation.md 状态更新

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

djapi/api/video/audioRead.py

@@ -166,7 +166,7 @@ def transcribe_audio(audio_path):
         dashscope.api_key = os.getenv('DASHSCOPE_API_KEY', '')
         # 创建识别对象
         recognition = Recognition(
-            model='paraformer-realtime-v2',  # 使用实时识别模型
+            model=os.getenv('DASHSCOPE_ASR_MODEL', 'paraformer-realtime-v2'),
             format='wav',
             sample_rate=16000,
             language_hints=['zh','en'],  # 中文和英文
@@ -258,7 +258,7 @@ def text_correction(text):
     logger.info("调用通义千问模型进行文本修正...")
     # 调用DashScope文本生成接口
     response = Generation.call(
-        model="qwen-plus",
+        model=os.getenv('DASHSCOPE_LLM_MODEL', 'qwen-plus'),
         messages=messages,
         max_tokens=30000,
         temperature=0.1,  # 使用较低的温度以提高确定性
@@ -316,7 +316,7 @@ def analyze_text(text, prompt):
     logger.info("调用通义千问模型进行文本分析...")
     # 调用DashScope文本生成接口
     response = Generation.call(
-        model="qwen-plus",  # 使用通义千问Plus模型进行分析
+        model=os.getenv('DASHSCOPE_LLM_MODEL', 'qwen-plus'),
         messages=messages,
         max_tokens=8190,  # 控制生成文本的最大长度
         temperature=0.3,  # 控制生成文本的确定性

djapi/api/video/deepseek.py

@@ -127,13 +127,14 @@ class DeepSeekAPI:
         else:
             raise Exception("API请求失败，未知错误")
 
-    def process_text(self, 
-                    prompt: str, 
-                    text: str, 
+    def process_text(self,
+                    prompt: str,
+                    text: str,
                     system_prompt: Optional[str] = None,
                     model: str = "deepseek-chat",
                     temperature: float = 0.7,
-                    max_tokens: int = 2000) -> str:
+                    max_tokens: int = 2000,
+                    response_format: Optional[Dict] = None) -> str:
         """
         处理文本的通用方法
         
@@ -179,6 +180,8 @@ class DeepSeekAPI:
             "max_tokens": max_tokens,
             "stream": False
         }
+        if response_format:
+            payload["response_format"] = response_format
         
         try:
             # 发送API请求
@@ -236,14 +239,15 @@ def deepseek_text(text, prompt):
     custom_system_prompt = "你是一个专业的文本分析助手，擅长根据提示词对长文本进行深入分析。"
     
     try:
-        # 处理文本
+        # 处理文本（使用 response_format 强制返回 JSON）
         result = api_client.process_text(
-            model="deepseek-reasoner",
+            model=os.getenv('DEEPSEEK_MODEL', 'deepseek-chat'),
             prompt=prompt,
             text=text,
             system_prompt=custom_system_prompt,
             temperature=0.5,
-            max_tokens=20000
+            max_tokens=20000,
+            response_format={"type": "json_object"}
         )
         
         #print("处理结果:")