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/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
 ```