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>

continuation.md

@@ -1,6 +1,16 @@
 # continuation.md — cc-cursor 项目状态
 
-生成时间：2026-06-07（全部 Sprint 完成 + 生产加固 + djapi 数据源归一化）
+生成时间：2026-06-07（全部 Sprint 完成 + 生产加固 + djapi 数据源归一化 + Git 初始化）
+
+---
+
+## Git 状态
+
+- 仓库：https://github.com/Simon2046/myquant
+- 分支：`main`
+- commit：`271a934` — Initial commit: cc-cursor 全链路量化研究平台
+- 文件：293 个文件，59,598 行
+- 已排除：`.env`、`mcp-servers/serena`、`__pycache__`、`.parquet`、`.db`
 
 ---
 

djapi/.env.example

@@ -17,3 +17,20 @@ DEEPSEEK_API_KEY=your-deepseek-api-key
 
 # 阿里 DashScope (ASR + Qwen)
 DASHSCOPE_API_KEY=your-dashscope-api-key
+
+# ========================
+# 以下为 video 模块 AI 模型配置
+# 修改后重启 uWSGI 生效
+# ========================
+
+# DeepSeek 模型名（视频分割 + 标题提取）
+# 可用: deepseek-chat（推荐，支持 response_format）, deepseek-reasoner
+DEEPSEEK_MODEL=deepseek-chat
+
+# DashScope ASR 语音识别模型
+# 可用: paraformer-realtime-v2, paraformer-v2
+DASHSCOPE_ASR_MODEL=paraformer-realtime-v2
+
+# DashScope 大语言模型（文本纠错 + 文本分析）
+# 可用: qwen-plus, qwen-max, qwen-turbo
+DASHSCOPE_LLM_MODEL=qwen-plus

djapi/api/stock/getDivData_AK.py

@@ -1,181 +0,0 @@
-"""
-⚠️ 已废弃 — 2026-06-05
-
-AkShare 股息率数据获取功能已归一化到 data_source.py。
-如需 AkShare 日线数据，请使用：
-
-    from .data_source import get_daily
-    df = get_daily(ts_code, start, end, source='akshare')
-
-本文件保留仅用于向后兼容，所有公开函数委托给统一数据源。
-"""
-
-import pandas as pd
-import numpy as np
-from datetime import datetime, timedelta
-
-from .data_source import get_daily
-
-from .stock_utils import tscodeCheck, date_format_correction
-from .smoothBrush import smooth_dataframe_brush
-
-GAP_DAYS = 360  # TTM 计算窗口
-
-
-def _parse_tscode(tscode: str) -> tuple:
-    """将 tscode（如 000001.SZ）转为 akshare 格式的 symbol 和 market"""
-    code = tscode.split('.')[0]
-    suffix = tscode.split('.')[1].lower()
-    market_map = {'sz': 'sz', 'sh': 'sh', 'bj': 'bj'}
-    return code, market_map.get(suffix, suffix)
-
-
-def _fetch_daily_price(symbol: str, start_date: str, end_date: str) -> pd.DataFrame:
-    """通过 akshare 获取前复权日线行情"""
-    df = ak.stock_zh_a_hist(
-        symbol=symbol,
-        period='daily',
-        start_date=start_date,
-        end_date=end_date,
-        adjust='qfq'
-    )
-    if df.empty:
-        return pd.DataFrame()
-
-    df = df.rename(columns={
-        '日期': 'trade_date',
-        '开盘': 'open',
-        '收盘': 'close',
-        '最高': 'high',
-        '最低': 'low',
-        '成交量': 'vol',
-        '成交额': 'amount',
-        '换手率': 'turnover_rate',
-    })
-    df['trade_date'] = df['trade_date'].astype(str).str.replace('-', '')
-    return df
-
-
-def _fetch_dividends(symbol: str, market: str) -> pd.DataFrame:
-    """通过 akshare 获取历史分红记录"""
-    try:
-        df = ak.stock_dividend_cninfo(stock=symbol, symbol=market + symbol)
-    except Exception:
-        return pd.DataFrame()
-
-    if df.empty:
-        return pd.DataFrame()
-
-    # 列名映射（akshare 返回中文列名）
-    col_map = {
-        '除权除息日': 'ex_date',
-        '每股派息': 'cash_div_tax',
-    }
-    df = df.rename(columns={k: v for k, v in col_map.items() if k in df.columns})
-
-    if 'ex_date' not in df.columns or 'cash_div_tax' not in df.columns:
-        return pd.DataFrame()
-
-    df['ex_date'] = df['ex_date'].astype(str).str.replace('-', '').str[:8]
-    df['cash_div_tax'] = pd.to_numeric(df['cash_div_tax'], errors='coerce').fillna(0)
-    return df[['ex_date', 'cash_div_tax']]
-
-
-def get_akshare_dividend_yield(tscode: str, start_date: str = None, end_date: str = None) -> pd.DataFrame:
-    """
-    通过 akshare 获取股价和分红数据，计算股息率。
-
-    Args:
-        tscode: 股票代码，如 '000001.SZ'
-        start_date: 起始日期 yyyyMMdd
-        end_date: 结束日期 yyyyMMdd
-
-    Returns:
-        DataFrame: ts_code, trade_date, close, cash_div_tax, cash_div_year, div_yield
-    """
-    tscode = tscodeCheck(tscode)
-    today = datetime.now().strftime('%Y%m%d')
-
-    if start_date:
-        start_date = date_format_correction(start_date)
-    else:
-        start_date = '20200101'
-    if end_date:
-        end_date = date_format_correction(end_date)
-    else:
-        end_date = today
-
-    if end_date > today:
-        end_date = today
-
-    symbol, market = _parse_tscode(tscode)
-
-    # 1. 获取日线行情（运算时起始日期往前推 GAP_DAYS）
-    calc_start = datetime.strptime(start_date, '%Y%m%d') - timedelta(days=GAP_DAYS)
-    calc_start_str = calc_start.strftime('%Y%m%d')
-
-    df_price = _fetch_daily_price(symbol, calc_start_str, end_date)
-    if df_price.empty:
-        return pd.DataFrame()
-    df_price = df_price.sort_values('trade_date').reset_index(drop=True)
-
-    # 2. 获取分红数据
-    df_div = _fetch_dividends(symbol, market)
-
-    # 3. 计算 TTM 分红序列
-    if df_div.empty:
-        df_price['cash_div_tax'] = 0.0
-        df_price['cash_div_year'] = 0.0
-    else:
-        # 将分红按 ex_date 合并到交易日历
-        df_div['ex_date'] = pd.to_datetime(df_div['ex_date'], format='%Y%m%d')
-        df_price['trade_date_dt'] = pd.to_datetime(df_price['trade_date'], format='%Y%m%d')
-
-        # 按日期合并
-        div_dict = df_div.set_index('ex_date')['cash_div_tax'].to_dict()
-
-        def calc_ttm_div(trade_dt):
-            window_start = trade_dt - timedelta(days=GAP_DAYS)
-            total = 0.0
-            for ex_dt, cash in div_dict.items():
-                if window_start < ex_dt <= trade_dt:
-                    total += cash
-            return total
-
-        cash_div_tax_list = []
-        cash_div_year_list = []
-
-        for _, row in df_price.iterrows():
-            td = row['trade_date_dt']
-            cash = div_dict.get(td, 0.0)
-            cash_div_tax_list.append(cash)
-            cash_div_year_list.append(calc_ttm_div(td))
-
-        df_price['cash_div_tax'] = cash_div_tax_list
-        df_price['cash_div_year'] = cash_div_year_list
-        df_price = df_price.drop(columns=['trade_date_dt'])
-
-    # 4. 毛刺平滑
-    df_price = smooth_dataframe_brush(
-        df_price,
-        target_columns=['cash_div_year'],
-        window_size=31,
-        threshold_factor=0.5,
-        max_brush_length=15
-    )
-
-    # 5. 截取请求的时间范围
-    df_result = df_price[
-        (df_price['trade_date'] >= start_date) & (df_price['trade_date'] <= end_date)
-    ].copy()
-
-    # 6. 计算股息率
-    df_result['div_yield'] = 0.0
-    mask = (df_result['close'] > 0) & (df_result['cash_div_year'] > 0)
-    df_result.loc[mask, 'div_yield'] = (
-        (df_result.loc[mask, 'cash_div_year'] / df_result.loc[mask, 'close']) * 100
-    ).round(4)
-
-    df_result['ts_code'] = tscode
-    final_cols = ['ts_code', 'trade_date', 'close', 'cash_div_tax', 'cash_div_year', 'div_yield']
-    return df_result[final_cols].reset_index(drop=True)

djapi/api/stock/getStockDiv2.py

@@ -52,7 +52,6 @@ def analyze_stock_dividend_and_price(ts_code, start_date=START_DATE, end_date=EN
     if start_date > today: start_date = today
 
     GAP_DAYS = 360  # 定义TTM计算窗口期为360天
-    n = 15  # 定义向前填充的最大非零值个数
     """
     分析个股分红与行情数据。
 
@@ -110,23 +109,11 @@ def analyze_stock_dividend_and_price(ts_code, start_date=START_DATE, end_date=EN
     # 填充空值
     df_merged_temp['cash_div_tax'] = df_merged_temp['cash_div_tax'].fillna(0.0)
     
-    # 计算 cash_div_year (TTM)
+    # 计算 cash_div_year (TTM) — 向量化 rolling 窗口
     df_merged_temp = df_merged_temp.sort_values('trade_date').reset_index(drop=True)
-    # 使用滚动窗口计算过去 GAP_DAYS 天的总和
+    df_temp = df_merged_temp.set_index('trade_date')
-    # rolling的window参数是基于行数的，所以我们需要先确保日期是连续的交易日
+    df_temp['cash_div_year'] = df_temp['cash_div_tax'].rolling(f'{GAP_DAYS}D', min_periods=1).sum()
-    # 由于trade_date已经是交易日，我们可以直接使用rolling
+    df_merged_temp['cash_div_year'] = df_temp['cash_div_year'].values
-    # 但需要处理时间窗口，确保是360天而不是360行（因为可能有节假日）
-    # 更精确的方法是使用一个自定义函数来累加过去360天内的值
-    
-    # 使用更精确的日期差计算
-    def calculate_ttm_div(row_idx):
-        current_date = df_merged_temp.loc[row_idx, 'trade_date']
-        start_window_date = current_date - pd.Timedelta(days=GAP_DAYS)
-        # 筛选出窗口期内的记录
-        mask = (df_merged_temp['trade_date'] > start_window_date) & (df_merged_temp['trade_date'] <= current_date)
-        return df_merged_temp.loc[mask, 'cash_div_tax'].sum()
-
-    df_merged_temp['cash_div_year'] = [calculate_ttm_div(i) for i in range(len(df_merged_temp))]
 
 
     # 截取原始请求的起止时间内的数据
@@ -155,37 +142,6 @@ def analyze_stock_dividend_and_price(ts_code, start_date=START_DATE, end_date=EN
     df_result['cash_div_year'] = df_result['cash_div_year'].fillna(0.0)
     
     
-    '''
-    向前填充cash_div_year（最多填充最近n个非零值）
-    如果遇到0值，依次往下查询直到查询到非0数字为止，如果数字个数<=n个，就置last_valid_value, 否则保持不变
-    '''
-    # 确保按trade_date倒序遍历（日期从大到小）
-    df_result = df_result.sort_values('trade_date', ascending=False).reset_index(drop=True)
-    
-    last_valid_value = None  # 初始化最后一个有效值变量
-    for idx in range(len(df_result)):  # 遍历DataFrame的每一行
-        current_value = df_result.loc[idx, 'cash_div_year']  # 获取当前行的TTM分红值
-        if current_value > 0:  # 如果当前值大于0
-            last_valid_value = current_value  # 更新最后一个有效值
-        else:
-            # 向下查找最多n个位置内的非零值
-            found_value = None  # 初始化找到的值
-            search_count = 0  # 初始化搜索计数
-            # 从下一行开始搜索，最多搜索n行
-            for search_idx in range(idx + 1, min(idx + n + 1, len(df_result))):
-                search_value = df_result.loc[search_idx, 'cash_div_year']  # 获取搜索行的值
-                search_count += 1  # 增加搜索计数
-                if search_value > 0:  # 如果找到非零值
-                    found_value = search_value  # 记录找到的值
-                    break  # 跳出搜索循环
-
-            # 如果找到非零值且在n个位置内
-            if found_value is not None and search_count <= n:
-                df_result.loc[idx, 'cash_div_year'] = found_value
-                last_valid_value = found_value
-            elif last_valid_value is not None:
-                df_result.loc[idx, 'cash_div_year'] = last_valid_value
-
     # 毛刺平滑处理 cash_div_year 列
     df_result=smooth_dataframe_brush(df_result, target_columns=['cash_div_year'], window_size=31,  threshold_factor=0.5, max_brush_length=15 )
     # 恢复原始日期顺序

djapi/api/stock/smoothBrush.py

@@ -90,9 +90,9 @@ def smooth_series_brush(series: pd.Series, window_size: int = 7, threshold_facto
 
         # 决定使用哪个值填充
         if prev_valid_val is not None:
-            fill_value = next_valid_val
-        elif next_valid_val is not None:
             fill_value = prev_valid_val
+        elif next_valid_val is not None:
+            fill_value = next_valid_val
         else:
             print(f"警告: 毛刺段 {brush_indices} 无有效邻居，使用全局中位数填充。")
             fill_value = series.median()

djapi/api/urls.py

@@ -18,7 +18,7 @@ urlpatterns = [
     path('stockep/', views.stockep, name='stockep'),   
     path('finance/', views.getFinaData, name='getFinaData'),   
     path('getdiv/', views.getDivData, name='getDivData'),
-    path('getdivak/', views.getDivDataAkshare, name='getDivDataAkshare'),   
+       
     path('xwlbNews/', views.xwlbNews, name='xwlbNews'), 
     path('xwlbFine/', views.xwlbFine, name='xwlbFine'), 
 ]

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, 
+    def process_text(self,
-                    prompt: str, 
+                    prompt: str,
-                    text: 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:")

djapi/api/views.py

@@ -14,7 +14,6 @@ from .stock.stockMargin import getStockMargin, getDailyMargin
 from .stock.getStockFina import get_finance_data_range
 from .stock.getStockDiv2 import analyze_stock_dividend_and_price
 from .stock.xwlbDaily import get_xwlb, get_xwlb_fine
-from .stock.getDivData_AK import get_akshare_dividend_yield
 from .serializers import (
     StockDailySerializer, StockInfoSerializer, IndustryStockSerializer,
     StockParamSerializer, StockEpSerializer, QuarterlyEpsSerializer,
@@ -213,15 +212,6 @@ def getDivData(request):
     return viewFunc_tsCodeAndDate(request, analyze_stock_dividend_and_price)
 
 
-@extend_schema(
-    parameters=[_PARAM_TSCODE, _PARAM_START, _PARAM_END],
-    responses={200: DividendSerializer(many=True)},
-    description='获取个股股息率数据（akshare 数据源，无需 token）',
-    tags=['分红'],
-)
-@api_view(['GET'])
-def getDivDataAkshare(request):
-    return viewFunc_tsCodeAndDate(request, get_akshare_dividend_yield)
 
 
 def _xwlb_view(request, data_func):