feat: 大模型使用场景化配置与去重多源记录

- 新增 configs/llm_models.yaml: 4 个场景(event_extraction/daily_report/stock_report/embedding)
  可独立配置 provider/model/api_key_env/base_url_env/temperature 等,含用途与模型要求说明
- 新增 configs/loader.py: YAML 场景加载器(优先级: CLI 参数 > YAML > .env > 内置默认)
- llm/client.py: load_llm_config 支持 scene 参数,LLMConfig 增加 max_attempts
- embedding/factory+remote+local: provider/model/batch_limit 支持场景覆盖
- scheduler/reporter+stock_reporter: 日报/个股摘要接入场景配置
- dedup: Fingerprint.source_ids 多源记录 + 旧库自动迁移 + DedupResult 多源字段
- scripts/run_dedup: uniques JSON 的 sources 字段 + data/deduped/{day}/sources.json 汇总
- scripts/run_event_extraction: 接入 event_extraction 场景
- 补充测试: 场景优先级/零值、多源合并、旧库迁移、embedding 场景覆盖

scripts/run_event_extraction.py

@@ -31,6 +31,7 @@ from pydantic import ValidationError
 
 from extractor import Article
 from llm import (
+    SCENE_EVENT_EXTRACTION,
     ExtractedEvent,
     LLMCallError,
     PromptTemplate,
@@ -88,7 +89,10 @@ def _load_article(p: Path) -> Article | None:
 
 async def _run(args: argparse.Namespace) -> int:
     load_dotenv()  # 读 .env 到 os.environ
-    config = load_llm_config(provider=args.provider, model=args.model)
+    # scene=event_extraction: 读取 configs/llm_models.yaml 场景 1 配置,未配置字段回退 .env
+    config = load_llm_config(
+        provider=args.provider, model=args.model, scene=SCENE_EVENT_EXTRACTION
+    )
     logger.info(
         "LLM provider={} model={} base_url={}",
         config.provider, config.model, config.base_url,