feat: AI 自然语言选股（GLM）+ 全市场数据管道 + 远程 PostgreSQL

- 首页双入口（智能选股/策略回测）：引入 vue-router，顶部导航
- 智能选股：自然语言 -> LLM 解析结构化条件（智谱 GLM，OpenAI 兼容，/v4 兼容）-> SQL 快照预筛 + pandas 指标过滤（复用 indicators 单一事实源）
- 条件模型：指标 vs 常数/指标（value_indicator，如 DIF>DEA、close<布林下轨）、lookback+match 表达连续N天/近N天任一天、市值/PE/PB/换手率快照条件、默认排除 ST/退市/北交所
- 全市场数据同步：按 trade_date 批量拉取未复权日线（与回测 candles qfq 隔离），交易日历/股票列表本地缓存，daily_basic 仅最新截面，Tushare 限频兜底（分钟级重试/小时级降级）
- 存储：DATABASE_URL 切远程 PostgreSQL（cirry.cn/stock），本地 SQLite 已移除
- .env 入库（私有仓库）；smoke_test 扩展选股链路

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

backend/app/schemas.py

@@ -5,6 +5,7 @@
 from __future__ import annotations
 
 from datetime import datetime
+from typing import Literal
 
 from pydantic import BaseModel, Field
 
@@ -85,3 +86,84 @@ class SyncResponse(BaseModel):
     symbol: str
     bars: int
     source: str
+
+
+# ---------- Screener（智能选股） ----------
+Op = Literal["gt", "ge", "lt", "le", "between"]
+
+
+class IndicatorCondition(BaseModel):
+    """技术指标条件（在最近 lookback 个交易日窗口内判定）。
+
+    indicator 白名单见 screener/llm.py 的 SYSTEM_PROMPT（kdj_j / rsi / macd_dif…）。
+    设置 value_indicator 时为指标间比较（如 DIF > DEA、close < boll_lower），value 填 0 占位。
+    """
+    indicator: str
+    params: dict[str, float] = Field(default_factory=dict)  # 如 {"n": 9, "m1": 3, "m2": 3}
+    op: Op
+    value: float
+    value2: float | None = None       # between 上界
+    value_indicator: str | None = None  # 比较对象为另一指标（同白名单）时使用
+    value_params: dict[str, float] = Field(default_factory=dict)  # 比较对象指标参数（默认沿用 params/默认值）
+    lookback: int = 1                 # 检查最近 N 个交易日
+    match: Literal["all", "any"] = "all"  # all=连续满足；any=任一满足
+
+
+class SnapshotCondition(BaseModel):
+    """每日快照条件（最新交易日截面）。市值单位亿元；换手率为百分数（5 表示 5%）。"""
+    field: str                        # total_mv|circ_mv|pe_ttm|pb|turnover_rate|close
+    op: Op
+    value: float
+    value2: float | None = None
+
+
+class ScreenConditions(BaseModel):
+    indicator: list[IndicatorCondition] = Field(default_factory=list)
+    snapshot: list[SnapshotCondition] = Field(default_factory=list)
+    exclude_st: bool = True
+    exclude_delisted: bool = True
+    exclude_bj: bool = True           # 排除北交所
+
+
+class ScreenerRunRequest(BaseModel):
+    text: str = Field(min_length=2, max_length=500)
+    # 直传条件则跳过 LLM 解析（预留给"微调再跑"）
+    conditions: ScreenConditions | None = None
+
+
+class ScreenerItemOut(BaseModel):
+    ts_code: str
+    name: str
+    close: float | None = None        # 最新收盘价（元）
+    pct_chg: float | None = None      # 日涨跌幅 %
+    total_mv: float | None = None     # 总市值（亿元）
+    circ_mv: float | None = None      # 流通市值（亿元）
+    pe_ttm: float | None = None
+    pb: float | None = None
+    turnover_rate: float | None = None
+    indicators: dict[str, float | None] = Field(default_factory=dict)  # 引用到的指标最新值
+
+
+class ScreenerRunResponse(BaseModel):
+    conditions: ScreenConditions
+    trade_date: datetime | None       # 数据基准交易日
+    total: int                        # 命中总数（items 可能被截断）
+    items: list[ScreenerItemOut]
+    indicator_labels: dict[str, str] = Field(default_factory=dict)  # "kdj_j" -> "KDJ J(9,3,3)"
+
+
+class ScreenerSyncRequest(BaseModel):
+    days: int = Field(default=90, ge=10, le=250)  # 同步最近 N 个交易日
+    force: bool = False                # True => 全量重拉（幂等）
+
+
+class ScreenerSyncStatus(BaseModel):
+    running: bool
+    step: str | None = None            # 进行中步骤文案
+    total_days: int = 0
+    done_days: int = 0
+    error: str | None = None
+    ready: bool = False                # 至少 1 个交易日数据可用于选股
+    last_trade_date: datetime | None = None
+    last_synced_at: datetime | None = None
+    stats: dict[str, int] = Field(default_factory=dict)  # stocks/daily_rows/snapshot_rows/dates