fix(bars): 指数/个股 K 线 vol 字段协议语义修正（#64）

通达信服务端 K 线记录第一个 4 字节字段的语义随周期/品种变化，此前原样
透传错误数据（逐字节拆包 + 新浪实时行情/东方财富三方交叉验证锁定）：

- 指数分钟线（MIN_1/3/5/15/30/60，含 880xxx 板块指数）：f1 实为
  成交额(百元)，与 amount 恒差 100 倍，真实分钟成交量不在报文中
  （15:00 上证 5min 真值 13,954,814 手 vs 返回 208,748,512≈amount/100）
  → vol 置 NaN，不拿成交额冒充成交量；
- 指数与个股周/月/季/年线（cat 5/6/10/11）：f1 = 真实成交量/100
  （上证本周三日日线 vol 合计 1,666,668,288 手 vs 周线 16,666,683）
  → ×100 还原，与日线单位对齐（指数=手、个股=股）；
- 日线（cat 4）与 cat 9（日线变体，枚举名误标 YEAR，真年线是 cat 11）
  不受影响，cat 9 明确不套 ×100 并由测试锁定。

配套：DataFrameResponse NaN→null（Starlette allow_nan=False 透传会 500）；
client/路由 docstring 写明各单位；回归测试 7 例（实抓原始字节构造报文）；
验收脚本 scripts/verify_issue64.py 连真实服务器复测。附带发现仅记录：
指数分时 vol=成交额(万元)、/bars?category=YEAR 实际返回日线（cat 9）。

scripts/verify_issue64.py

@@ -0,0 +1,69 @@
+"""issue #64 验证脚本：指数 K 线 vol 字段语义核查（连真实服务器）。
+
+结论（2026-09-02 实测，对照新浪实时行情与东方财富分钟K）：
+  - 指数分钟线（MIN_1/3/5/15/30/60）：协议每条记录的两个 4 字节字段
+    f1 ≈ f2/100、f2 = 成交额(元)。f1 是"成交额(百元)"而非成交量，
+    真实分钟成交量不在报文中（东财 15:00 5min bar 实测 13,954,814 手，
+    而协议 f1 返回 208,748,512 ≈ amount/100）。
+  - 指数日线：f1 = 成交量(手)，与新浪实时行情一致（差值仅为自定义
+    浮点解码噪声 ~1e-7）。日线路径正确。
+  - 指数周/月/季/年：f1 = 真实成交量/100（本周三交易日日线 vol 合计
+    1,666,668,288 手，周线 f1 = 16,666,683，恰好 ÷100）。
+  - 附带发现：股票周/月线 f1 同样 = 真实vol/100（浦发 8/31-9/2 三日
+    日线 vol 合计 269,388,528 股，周线 f1×100 = 269,388,500）；
+    指数分时接口 vol 列 = 成交额(万元)（全日合计 ≈ 日成交额/10000）。
+
+用法：python scripts/verify_issue64.py
+"""
+
+import sys
+from pathlib import Path
+
+sys.path.insert(0, str(Path(__file__).resolve().parents[1] / "src"))
+
+from easy_tdx.client import TdxClient  # noqa: E402
+from easy_tdx.models.enums import KlineCategory, Market  # noqa: E402
+
+
+def main() -> None:
+    cl = TdxClient()
+    cl.connect()
+    try:
+        print(f"{'调用':<44s} {'vol(返回)':>16s} {'amount(返回)':>18s} amt/vol")
+        cases = [
+            ("SH000001 MIN_5  (指数分钟, issue场景)", Market.SH, "000001", KlineCategory.MIN_5),
+            ("SH000001 MIN_1  (指数分钟)", Market.SH, "000001", KlineCategory.MIN_1),
+            ("SH000001 DAY    (指数日线, 正确)", Market.SH, "000001", KlineCategory.DAY),
+            ("SH000001 WEEK   (指数周线, /100)", Market.SH, "000001", KlineCategory.WEEK),
+            ("SH000001 MONTH  (指数月线, /100)", Market.SH, "000001", KlineCategory.MONTH),
+            ("SZ399001 MIN_5  (深成指分钟)", Market.SZ, "399001", KlineCategory.MIN_5),
+            ("SZ399006 MIN_5  (创业板指分钟)", Market.SZ, "399006", KlineCategory.MIN_5),
+        ]
+        for label, mkt, code, cat in cases:
+            df = cl.get_index_bars(mkt, code, cat, 0, 1)
+            r = df.iloc[-1]
+            ratio = r["amount"] / r["vol"] if r["vol"] else float("nan")
+            print(f"{label:<44s} {r['vol']:>16,.0f} {r['amount']:>18,.0f} {ratio:>10.2f}")
+
+        # 分钟线 f1 与 amount/100 的偏差（仅剩解码噪声）
+        df = cl.get_index_bars(Market.SH, "000001", KlineCategory.MIN_5, 0, 5)
+        print("\n分钟线 f1 vs amount/100（应≈1.0，偏差为解码噪声）:")
+        for _, r in df.iterrows():
+            print(
+                f"  {r['datetime']}  vol={r['vol']:>13,.0f}  amount/100={r['amount'] / 100:>13,.0f}"
+                f"  比值={r['vol'] / (r['amount'] / 100):.8f}"
+            )
+
+        # 分时接口 vol 全日合计 ≈ 日成交额/10000（万元）
+        mt = cl.get_minute_time_data(Market.SH, "000001")
+        day = cl.get_index_bars(Market.SH, "000001", KlineCategory.DAY, 0, 1).iloc[-1]
+        print(
+            f"\n指数分时 vol 全日合计 = {mt['vol'].sum():,.0f}"
+            f"  日成交额/10000 = {day['amount'] / 10000:,.0f}（≈成交额万元，非成交量）"
+        )
+    finally:
+        cl.close()
+
+
+if __name__ == "__main__":
+    main()