refactor(data): 移除 api_daily 模块并更新文档

- 删除 src/data/api_wrappers/api_daily.py (240行)
- 更新 6 个文档文件，将 daily 表引用替换为 pro_bar
- 同步 README.md 中的因子框架和训练模块示例

BREAKING CHANGE: api_daily 模块已移除，请使用 api_pro_bar 替代

docs/api/API_INTERFACE_SPEC.md

@@ -776,9 +776,9 @@ Skill 会自动：
 - [ ] 测试覆盖正常和异常情况
 ## 11. 示例参考
 
-### 11.1 完整示例：api_daily.py
+### 11.1 完整示例：api_pro_bar.py
 
-参见 `src/data/api_wrappers/api_daily.py` - 按股票获取日线数据的完整实现。
+参见 `src/data/api_wrappers/api_pro_bar.py` - 按股票获取 Pro Bar 行情数据的完整实现（主力行情表）。
 
 ### 11.2 完整示例：api_trade_cal.py
 

docs/factor_calculation_flow.md

@@ -222,7 +222,7 @@ def _infer_data_specs(self, node, dependencies):
 ```
 
 **DataSpec 说明**：
-- `table`: 数据表名（pro_bar 或 daily）
+- `table`: 数据表名（pro_bar 为主力行情表）
 - `columns`: 需要的字段列表
 
 **注意**：数据获取使用用户传入的日期范围，不做自动扩展。时序因子（如 `ts_delay`、`ts_mean`）在数据不足时会返回 null，这是符合预期的行为。
@@ -377,19 +377,19 @@ def execute(self, plan, data):
 ### 7.1 用户代码
 
 ```python
-from src.factors import FactorEngine, FormulaParser, FunctionRegistry
+from src.factors import FactorEngine
 
 # 1. 创建引擎
 engine = FactorEngine()
 
-# 2. 解析字符串表达式
-parser = FormulaParser(FunctionRegistry())
-expr = parser.parse("(close / ts_delay(close, 5)) - 1")
+# 2. 使用字符串表达式注册因子（推荐）
+engine.add_factor("returns_5d", "(close / ts_delay(close, 5)) - 1")
 
-# 3. 注册因子
-engine.register("returns_5d", expr)
+# 或者使用 DSL 表达式
+from src.factors.api import close, ts_delay
+engine.register("returns_5d", (close / ts_delay(close, 5)) - 1)
 
-# 4. 执行计算
+# 3. 执行计算
 result = engine.compute(
     factor_names=["returns_5d"],
     start_date="20240101",
@@ -400,23 +400,27 @@ result = engine.compute(
 ### 7.2 内部调用链
 
 ```
+FactorEngine.add_factor() / register()
+    │
+    └── 创建并缓存 ExecutionPlan
+        └── ExecutionPlanner.create_plan()
+            ├── DependencyExtractor.extract_dependencies() → {'close'}
+            ├── _infer_data_specs() → [DataSpec('pro_bar', ['close'], 5)]
+            └── PolarsTranslator.translate() → pl.col('close').shift(5).over('ts_code')...
+
 FactorEngine.compute()
     │
-    ├── 1. 创建 ExecutionPlan
-    │   └── ExecutionPlanner.create_plan()
-    │       ├── DependencyExtractor.extract_dependencies() → {'close'}
-    │       ├── _infer_data_specs() → [DataSpec('pro_bar', ['close'], 5)]
-    │       └── PolarsTranslator.translate() → pl.col('close').shift(5).over('ts_code')...
-    │
-    ├── 2. 获取数据
-    │   └── DataRouter.fetch_data([plan.data_specs])
-    │       ├── _load_table('pro_bar', ['close'], start_date-5d, end_date)
+    ├── 1. 获取所有缓存的执行计划
+    ├── 2. 合并数据规格
+    │   └── _merge_data_specs()
+    ├── 3. 获取数据
+    │   └── DataRouter.fetch_data(merged_specs)
+    │       ├── _load_table('pro_bar', ['close'], start_date, end_date)
     │       │   └── Storage.load_polars() → 查询 DuckDB
     │       └── _assemble_wide_table() → Polars DataFrame
-    │
-    └── 3. 执行计算
-        └── ComputeEngine.execute(plan, data)
-            └── data.with_columns([polars_expr.alias('returns_5d')])
+    └── 4. 执行计算
+        └── ComputeEngine.execute_plans(plans, data)
+            └── data.with_columns([polars_exprs...])
                 └── Polars 执行表达式计算
 ```
 

docs/factor_implementation_analysis.md

@@ -92,17 +92,17 @@
 
 | 字段名 | 状态 | 数据来源 | 所属类别 |
 |--------|------|----------|----------|
-| `close` | 可用 | daily/pro_bar 表 | 价格 |
-| `open` | 可用 | daily/pro_bar 表 | 价格 |
-| `high` | 可用 | daily/pro_bar 表 | 价格 |
-| `low` | 可用 | daily/pro_bar 表 | 价格 |
-| `vol` | 可用 | daily/pro_bar 表 | 成交量 |
-| `amount` | 可用 | daily/pro_bar 表 | 成交额 |
-| `pre_close` | 可用 | daily/pro_bar 表 | 价格 |
-| `change` | 可用 | daily/pro_bar 表 | 价格变化 |
-| `pct_chg` | 可用 | daily/pro_bar 表 | 涨跌幅 |
-| `turnover_rate` | 可用 | daily/pro_bar 表 | 换手率 |
-| `volume_ratio` | 可用 | daily/pro_bar 表 | 量比 |
+| `close` | 可用 | pro_bar 表 | 价格 |
+| `open` | 可用 | pro_bar 表 | 价格 |
+| `high` | 可用 | pro_bar 表 | 价格 |
+| `low` | 可用 | pro_bar 表 | 价格 |
+| `vol` | 可用 | pro_bar 表 | 成交量 |
+| `amount` | 可用 | pro_bar 表 | 成交额 |
+| `pre_close` | 可用 | pro_bar 表 | 价格 |
+| `change` | 可用 | pro_bar 表 | 价格变化 |
+| `pct_chg` | 可用 | pro_bar 表 | 涨跌幅 |
+| `turnover_rate` | 可用 | pro_bar 表 | 换手率 |
+| `volume_ratio` | 可用 | pro_bar 表 | 量比 |
 
 ### 1.8 支持的运算符
 
@@ -482,7 +482,7 @@ spec = DataSpec(
 
 | 数据源 | 依赖因子数 | 实现难度 | 优先级 |
 |--------|------------|----------|--------|
-| daily/pro_bar (已有) | ~40 | 低 | 高 |
+| pro_bar (主力行情表) | ~40 | 低 | 高 |
 | 纯技术指标 (ts_*) | ~30 | 中 | 高 |
 | 筹码分布 (cyq) | ~50 | 中 | 中 |
 | 资金流向 (moneyflow) | ~30 | 中 | 中 |

docs/n_income_factor_lifecycle.md

@@ -524,7 +524,7 @@ def prepare_data(...) -> pl.DataFrame:
 ```python
 # 系统自动识别
 n_income → financial_income 表 (PIT)
-close    → daily 表 (DAILY)
+close    → pro_bar 表 (主力行情表)
 ```
 
 ### 3. 财务数据清洗
@@ -584,10 +584,10 @@ CREATE TABLE financial_income (
 );
 ```
 
-### daily（日线行情）
+### pro_bar（主力行情表）
 
 ```sql
-CREATE TABLE daily (
+CREATE TABLE pro_bar (
     ts_code VARCHAR,        -- 股票代码
     trade_date DATE,        -- 交易日期
     open DOUBLE,            -- 开盘价
@@ -595,6 +595,10 @@ CREATE TABLE daily (
     low DOUBLE,             -- 最低价
     close DOUBLE,           -- 收盘价
     vol BIGINT,             -- 成交量
+    turnover_rate DOUBLE,   -- 换手率
+    volume_ratio DOUBLE,    -- 量比
     ...                     -- 其他行情字段
 );
 ```
+
+**说明**: pro_bar 表通过 Tushare Pro Bar 接口获取，包含后复权数据和换手率、量比等指标，是主力行情数据表。