feat: 完成 issue #29 TDengine 超级表 schema 依据点位字典自动生成

core/data-bus/README.md

@@ -10,7 +10,7 @@ topic / 时序库表 / 关系表 / 对象桶：换行业只改模板资产（模
 | 文件 | 职责 |
 |------|------|
 | `templating.py` | 模板命名推导：Kafka topic + 分区策略、TDengine 超级表/子表、PostgreSQL schema/表、MinIO 桶/对象键 |
-| `tdengine_schema.py` | 时序库 schema 自动生成（超级表 + 每测点子表）+ 批量 INSERT SQL |
+| `tdengine_schema.py` | 时序库 schema 自动生成（超级表 + 每测点子表，**依据点位字典**）+ 批量 INSERT SQL |
 | `postgres_schema.py` | 关系库 schema（模板 / 模型 / 用户 / 权限）+ 角色授权语句 |
 | `batch_writer.py` | 批量写入缓冲：批量聚合（默认 5000 条/0.1s，对齐 PRD 5.2「5k/100ms」基线）、幂等去重、失败重试 —— **数据不丢不重** |
 
@@ -18,9 +18,15 @@ topic / 时序库表 / 关系表 / 对象桶：换行业只改模板资产（模
 
 ```python
 from data_bus.batch_writer import BatchWriter, TdengineSink
+from data_bus.tdengine_schema import generate_schema, specs_from_point_dict_rows
 from data_bus.templating import TemplateNaming
 
 naming = TemplateNaming(template="ti-cl4")          # 换行业只改模板名
+
+# 依据点位字典自动生成 TDengine 完整 schema（超级表 + 每测点子表）
+point_dict_rows = [{"device_id": "CLF-01", "point_id": "CLF-01.TEMP", "unit": "℃", "dataType": "float"}]
+schema_ddls = generate_schema(naming, specs_from_point_dict_rows(point_dict_rows), retention_days=90)
+
 sink = TdengineSink(naming, executor=run_sql)       # executor 注入 TDengine 连接适配器
 writer = BatchWriter(sink, batch_size=5000, flush_interval=0.1)