update

docs/usage.md

@@ -9,9 +9,11 @@
 - Python 3 和本项目的虚拟环境；
 - `pandas`、`numpy`、`scikit-learn`、`joblib` 等项目依赖；
 - Go 和 `/data/ban/banbot` 源码；
-- banbot 配置中的 QuestDB 数据库，以及对 Binance 数据的访问。
+- banbot 配置中的 TimescaleDB（优先）或 QuestDB 数据库，以及对 Binance 数据的访问。
 
-默认配置文件是 `/data/ban/banbot/biz/config.yml`。如果路径不同，可通过 `--banbot-config` 和 `--banbot-dir` 覆盖。也可以直接传入 `--dsn`。
+一键脚本优先使用 `config/banbot.local.yml`，其次使用 banbot 同级 `data/config.timescale.yml` 或 `biz/config.timescale.yml` 中的 TimescaleDB 配置，最后使用 `biz/config.yml`。本机 banbot 目录会自动查找，也可通过 `--banbot-dir`、`--banbot-config`，或 `CBPRED_BANBOT_DIR`、`CBPRED_BANBOT_CONFIG` 环境变量指定。
+
+`--dsn`（或 `CBPRED_DSN`）覆盖数据库连接；`--db-type timescale`（或 `CBPRED_DB_TYPE=timescale`）明确使用 TimescaleDB。自动检测优先选择 `exsymbol` 表对应的 TimescaleDB。Python 筛选、Go 下载和导出使用同一连接和数据库类型；连接失败会报错。只有 QuestDB 配置会尝试自动启动 QuestDB。
 
 安装：
 
@@ -28,14 +30,23 @@ python3 -m venv .venv
 
 脚本调用 `python -m cbpred.latest_predict`，按以下顺序执行：
 
-1. 检查配置中的 QuestDB 是否可连接；QuestDB 默认不可用时，通过 banbot 的导出命令触发其启动流程。
+1. 检查所选数据库是否可连接；TimescaleDB 不可用时直接报错，QuestDB 配置可通过 banbot 的导出命令触发其启动流程。
 2. 从数据库筛选 Binance `linear` 市场、结算币为 USDT、上市至少 730 天且未退市的品种。
 3. 调用 banbot 下载最近 36 个月的 1H K 线。
-4. 调用 banbot 导出请求周期的完整 K 线；默认是 8H，也可以通过 `--timeframe 1d` 导出日线。
+4. 调用 banbot 读取 1H 历史，并按 UTC 边界聚合请求周期的完整 K 线；默认是 8H，也可以通过 `--timeframe 1d` 导出日线。缺少小时数据的周期会被排除。
 5. 写入 `data/manifest.json` 和 `data/raw/*.csv`。
 6. 加载 `artifacts/v1/model.joblib`，对清单中的每个品种使用最新完整 8H K 线预测。
 7. 按最新 8H USDT 成交额降序写入 `predictions/latest_v1_8h/predictions.csv`，并写入 `report.json`。
 
+分别生成 8H 和日线预测：
+
+```bash
+./scripts/update_and_predict.sh --timeframe 8h --db-type timescale
+./scripts/update_and_predict.sh --timeframe 1d --db-type timescale
+```
+
+两个 CSV 分别位于 `predictions/latest_v1_8h/predictions.csv` 和 `predictions/latest_v1_1d/predictions.csv`。其中 `price_level_reached_80pct` 是预测的 80% 命中位置，`price_level_cap_80pct` 是回调上限参考位置。
+
 脚本的默认参数可以覆盖：
 
 ```bash