panda-data-tools 1.0.0__py3-none-any.whl

panda_data_tools-1.0.0.dist-info/METADATA

@@ -0,0 +1,14 @@
+Metadata-Version: 2.4
+Name: panda-data-tools
+Version: 1.0.0
+Summary: PandaAI 金融数据 API 的 LLM Tool 封装层，将 38 个数据查询方法封装为符合 function calling 规范的 tools。
+Requires-Python: >=3.12
+Requires-Dist: duckdb
+Requires-Dist: panda-data
+Requires-Dist: pandas
+Requires-Dist: python-dotenv>=1.0.0
+Provides-Extra: test
+Requires-Dist: duckdb; extra == 'test'
+Requires-Dist: hypothesis; extra == 'test'
+Requires-Dist: openpyxl; extra == 'test'
+Requires-Dist: pytest; extra == 'test'

panda_data_tools-1.0.0.dist-info/RECORD

@@ -0,0 +1,16 @@
+panda_tools/__init__.py,sha256=l8w31xU7Vl8ueiJgwkYjCbIILE3AzR4zEDXYJkGayL4,133
+panda_tools/cache.py,sha256=_ZqqUVAa0Oy-sKMiIZ7RIpigQ9lWhxMZjr4KesITWtg,5693
+panda_tools/credential.py,sha256=-eX0BIGsCvJ08DpIthxLRUCr7JszSWtstzYPeaQQPZw,4578
+panda_tools/exporter.py,sha256=DoWZM6f57py57PN_lDCqWe281kiABEy32MAn_0C4OLE,2482
+panda_tools/formatter.py,sha256=I8tYlSW6XwZBZqGO5MJT8o6_ZYADIAeZ_3rsZKyefqE,2334
+panda_tools/registry.py,sha256=m4YzPVB88rWMtZaSFbCnBveynqQ5ljE73hNmzy2qYD8,5460
+panda_tools/sdk.py,sha256=vh5fob4eHkhrqfYjzYlYX7NFA0KtnnGo8-UeZvCXyPI,899
+panda_tools/tools/__init__.py,sha256=ErJIG706K2fa-Ztj22Gy1TvvDkGp2AFRIVIHis8jISc,569
+panda_tools/tools/financial.py,sha256=pE1KP_K-snJVJpXbnEKYlvS3DSvBjemZKTTPfBI6t4g,13962
+panda_tools/tools/futures.py,sha256=J2TjxUl6RmPwPdQWarTq_GiknGnwlHF8EkinM6xxQPc,7006
+panda_tools/tools/market_data.py,sha256=5ABbCvalcR5vIxz6p0YtGkei2-qYlG0n0RUW5qTjh6s,9188
+panda_tools/tools/market_ref.py,sha256=aK-cU48OKg9ngOFO3yRjScvab4FkQ44ikLanYo4t3f4,42112
+panda_tools/tools/trade_tools.py,sha256=SYYpU4whkRm4NKSM8ItXDO-wRePBJRWD_AzHYXxYShI,9234
+panda_data_tools-1.0.0.dist-info/METADATA,sha256=X4bOrOh_NLUPS-zByv_O6Pwso1P31RVPmJaqebhSy6w,512
+panda_data_tools-1.0.0.dist-info/WHEEL,sha256=QccIxa26bgl1E6uMy58deGWi-0aeIkkangHcxk2kWfw,87
+panda_data_tools-1.0.0.dist-info/RECORD,,

panda_data_tools-1.0.0.dist-info/WHEEL

@@ -0,0 +1,4 @@
+Wheel-Version: 1.0
+Generator: hatchling 1.29.0
+Root-Is-Purelib: true
+Tag: py3-none-any

panda_tools/__init__.py

@@ -0,0 +1,3 @@
+"""PandaAI 数据服务 Tool 层 — 将 panda_data 的 38 个 API 封装为 LLM function calling tools。"""
+
+__version__ = "2.0.0"

panda_tools/cache.py

@@ -0,0 +1,163 @@
+"""DuckDB 本地数据缓存管理器模块。
+
+提供 CacheManager 类，基于 DuckDB 实现查询结果的本地持久化存储和读取。
+DuckDB 未安装时优雅降级，所有方法返回空结果，不抛异常。
+"""
+
+import logging
+from typing import Any, List, Optional
+
+import pandas as pd
+
+logger = logging.getLogger(__name__)
+
+
+class CacheManager:
+    """DuckDB 本地数据缓存管理器。
+
+    使用 DuckDB 作为本地存储引擎，提供查询结果的持久化缓存能力。
+    DuckDB 未安装时自动降级，所有方法返回空结果或提示信息。
+    """
+
+    def __init__(self, db_path: str = "./panda_data_cache.duckdb") -> None:
+        """初始化缓存管理器。
+
+        Args:
+            db_path: DuckDB 数据库文件路径，默认 ./panda_data_cache.duckdb。
+        """
+        self._available = False
+        self._conn = None
+        self._db_path = db_path
+
+        try:
+            import duckdb
+
+            self._conn = duckdb.connect(db_path)
+            self._available = True
+        except ImportError:
+            logger.warning(
+                "DuckDB 未安装，缓存功能不可用。请运行 pip install duckdb 安装。"
+            )
+        except Exception as e:
+            logger.warning(f"DuckDB 连接失败：{type(e).__name__}: {e}")
+
+    def save(self, table_name: str, df: pd.DataFrame) -> str:
+        """将 DataFrame 存入 DuckDB 表（追加模式）。
+
+        Args:
+            table_name: 表名，通常为 API 方法名（如 "get_market_data"）。
+            df: 要缓存的 DataFrame。
+
+        Returns:
+            成功信息，包含表名和行数。
+        """
+        if not self._available:
+            return "缓存不可用：DuckDB 未安装"
+
+        try:
+            # 使用唯一别名注册 DataFrame，避免与表名冲突（如表名恰好为 "df"）
+            _alias = "__panda_cache_tmp_df__"
+            self._conn.register(_alias, df)
+            self._conn.execute(
+                f"CREATE TABLE IF NOT EXISTS \"{table_name}\" AS SELECT * FROM \"{_alias}\" WHERE 1=0"
+            )
+            self._conn.execute(f"INSERT INTO \"{table_name}\" SELECT * FROM \"{_alias}\"")
+            self._conn.unregister(_alias)
+            return f"已缓存 {len(df)} 行数据到表 {table_name}"
+        except Exception as e:
+            return f"缓存写入失败：{type(e).__name__}: {e}"
+
+    def read(self, table_name: str, **filters: Any) -> pd.DataFrame:
+        """从 DuckDB 读取缓存数据，支持可选过滤条件。
+
+        Args:
+            table_name: 表名。
+            **filters: 过滤条件，键为列名，值为筛选值。
+
+        Returns:
+            查询结果 DataFrame，表不存在时返回空 DataFrame。
+        """
+        if not self._available:
+            return pd.DataFrame()
+
+        try:
+            # 检查表是否存在
+            tables = self._conn.execute("SHOW TABLES").fetchall()
+            table_names = [t[0] for t in tables]
+            if table_name not in table_names:
+                return pd.DataFrame()
+
+            # 获取表的实际列名，用于过滤无效列
+            columns_info = self._conn.execute(
+                f"SELECT column_name FROM information_schema.columns WHERE table_name = ?",
+                [table_name],
+            ).fetchall()
+            valid_columns = {row[0] for row in columns_info}
+
+            # 构建 WHERE 子句，忽略不存在的列
+            where_clauses = []
+            params = []
+            for col, val in filters.items():
+                if col in valid_columns:
+                    where_clauses.append(f"\"{col}\" = ?")
+                    params.append(val)
+
+            query = f"SELECT * FROM \"{table_name}\""
+            if where_clauses:
+                query += " WHERE " + " AND ".join(where_clauses)
+
+            result = self._conn.execute(query, params).fetchdf()
+            return result
+        except Exception as e:
+            logger.warning(f"缓存读取失败：{type(e).__name__}: {e}")
+            return pd.DataFrame()
+
+    def clear(self, table_name: Optional[str] = None) -> str:
+        """清除缓存数据。
+
+        Args:
+            table_name: 指定表名则只清除该表；None 则清除所有表。
+
+        Returns:
+            成功信息。
+        """
+        if not self._available:
+            return "缓存不可用：DuckDB 未安装"
+
+        try:
+            if table_name is not None:
+                self._conn.execute(f"DROP TABLE IF EXISTS \"{table_name}\"")
+                return f"已清除缓存表 {table_name}"
+            else:
+                tables = self._conn.execute("SHOW TABLES").fetchall()
+                for t in tables:
+                    self._conn.execute(f"DROP TABLE IF EXISTS \"{t[0]}\"")
+                return "已清除所有缓存表"
+        except Exception as e:
+            return f"缓存清除失败：{type(e).__name__}: {e}"
+
+    def list_tables(self) -> List[str]:
+        """列出所有缓存表名。
+
+        Returns:
+            表名列表。
+        """
+        if not self._available:
+            return []
+
+        try:
+            tables = self._conn.execute("SHOW TABLES").fetchall()
+            return [t[0] for t in tables]
+        except Exception as e:
+            logger.warning(f"缓存表列表获取失败：{type(e).__name__}: {e}")
+            return []
+
+    def close(self) -> None:
+        """关闭 DuckDB 连接。"""
+        if self._conn is not None:
+            try:
+                self._conn.close()
+            except Exception:
+                pass
+            self._conn = None
+            self._available = False

panda_tools/credential.py

@@ -0,0 +1,135 @@
+"""PandaAI 凭证管理器模块。
+
+提供 CredentialManager 类，支持通过环境变量或直接传入用户名密码两种方式
+完成 PandaAI 认证初始化。使用模块级标志位避免重复初始化。
+"""
+
+import os
+from typing import Optional
+
+import panda_data
+
+
+def _load_dotenv_if_available() -> None:
+    """从当前工作目录向上查找 `.env` 并加载到 `os.environ`。
+
+    默认不覆盖已存在的环境变量，与 shell 中 `export` 的优先级一致。
+    解决「在项目根目录用 pip install -e . 时能读到凭证，打成 whl 后从别处运行读不到」
+    的常见情况：开发时 IDE / 工具注入了 `.env`，而仅安装 whl 时进程里没有这些变量。
+    """
+    try:
+        from dotenv import find_dotenv, load_dotenv
+    except ImportError:
+        return
+    path = find_dotenv(usecwd=True)
+    if path:
+        load_dotenv(path, override=False)
+
+
+# 模块级标志位，避免重复初始化
+_initialized: bool = False
+# 最近一次 init_from_env / init_with_credentials 的说明（成功或失败），供 safe_call 展示
+_last_init_message: str = ""
+
+
+class CredentialManager:
+    """PandaAI 凭证管理器，支持环境变量和直接传入两种方式。"""
+
+    @staticmethod
+    def init_from_env() -> str:
+        """从环境变量 PANDA_DATA_USERNAME 和 PANDA_DATA_PASSWORD 读取凭证并初始化。
+
+        Returns:
+            成功信息或错误描述。
+        """
+        global _initialized, _last_init_message
+
+        if _initialized:
+            msg = "PandaAI 认证已完成，无需重复初始化。"
+            _last_init_message = msg
+            return msg
+
+        _load_dotenv_if_available()
+
+        username: Optional[str] = os.environ.get("PANDA_DATA_USERNAME")
+        password: Optional[str] = os.environ.get("PANDA_DATA_PASSWORD")
+
+        if not username or not username.strip():
+            msg = "认证失败：环境变量 PANDA_DATA_USERNAME 未设置或为空，请配置有效的用户名。"
+            _last_init_message = msg
+            return msg
+
+        if not password or not password.strip():
+            msg = "认证失败：环境变量 PANDA_DATA_PASSWORD 未设置或为空，请配置有效的密码。"
+            _last_init_message = msg
+            return msg
+
+        try:
+            panda_data.init_token(username=username, password=password)
+            _initialized = True
+            msg = "PandaAI 认证初始化成功。"
+            _last_init_message = msg
+            return msg
+        except Exception as e:
+            msg = f"认证失败：{type(e).__name__}: {e}"
+            _last_init_message = msg
+            return msg
+
+    @staticmethod
+    def init_with_credentials(username: str, password: str) -> str:
+        """直接传入用户名密码初始化。
+
+        Args:
+            username: PandaAI 用户名。
+            password: PandaAI 密码。
+
+        Returns:
+            成功信息或错误描述。
+        """
+        global _initialized, _last_init_message
+
+        if _initialized:
+            msg = "PandaAI 认证已完成，无需重复初始化。"
+            _last_init_message = msg
+            return msg
+
+        if username is None or not str(username).strip():
+            msg = "认证失败：用户名为空，请提供有效的用户名。"
+            _last_init_message = msg
+            return msg
+
+        if password is None or not str(password).strip():
+            msg = "认证失败：密码为空，请提供有效的密码。"
+            _last_init_message = msg
+            return msg
+
+        try:
+            panda_data.init_token(username=username, password=password)
+            _initialized = True
+            msg = "PandaAI 认证初始化成功。"
+            _last_init_message = msg
+            return msg
+        except Exception as e:
+            msg = f"认证失败：{type(e).__name__}: {e}"
+            _last_init_message = msg
+            return msg
+
+    @staticmethod
+    def ensure_initialized() -> bool:
+        """检查是否已完成认证初始化。如果未初始化，尝试从环境变量初始化。
+
+        Returns:
+            True 表示已初始化，False 表示初始化失败。
+        """
+        global _initialized
+
+        if _initialized:
+            return True
+
+        CredentialManager.init_from_env()
+        return _initialized
+
+    @staticmethod
+    def last_init_message() -> str:
+        """最近一次认证尝试的说明（成功或失败），供调用方展示。"""
+        return _last_init_message

panda_tools/exporter.py

@@ -0,0 +1,77 @@
+"""PandaAI 数据导出模块。
+
+提供 export_data 函数，支持将 DataFrame 导出为 CSV、Excel、DuckDB 三种格式。
+导出失败时返回结构化错误消息，不抛异常。
+"""
+
+import os
+
+import pandas as pd
+
+
+def export_data(
+    df: pd.DataFrame,
+    path: str,
+    format: str = "csv",
+    table_name: str = "exported_data",
+) -> str:
+    """将 DataFrame 导出为指定格式的文件。
+
+    Args:
+        df: 要导出的 DataFrame。
+        path: 输出文件路径（CSV/Excel）或 DuckDB 数据库路径。
+        format: 导出格式，可选 "csv"、"excel"、"duckdb"。
+        table_name: DuckDB 导出时的表名，默认 "exported_data"。
+
+    Returns:
+        成功信息，包含文件路径和导出行数。
+        失败时返回 "导出失败：{ErrorType}: {message}"。
+    """
+    try:
+        # 自动创建输出目录
+        dir_name = os.path.dirname(path)
+        if dir_name:
+            os.makedirs(dir_name, exist_ok=True)
+
+        if format == "csv":
+            return _export_csv(df, path)
+        elif format == "excel":
+            return _export_excel(df, path)
+        elif format == "duckdb":
+            return _export_duckdb(df, path, table_name)
+        else:
+            return f"导出失败：ValueError: 不支持的格式 '{format}'，可选：csv, excel, duckdb"
+    except Exception as e:
+        return f"导出失败：{type(e).__name__}: {e}"
+
+
+def _export_csv(df: pd.DataFrame, path: str) -> str:
+    """导出为 CSV 文件（UTF-8 with BOM 编码）。"""
+    df.to_csv(path, index=False, encoding="utf-8-sig")
+    return f"已导出 {len(df)} 行数据到 {path}"
+
+
+def _export_excel(df: pd.DataFrame, path: str) -> str:
+    """导出为 Excel 文件（openpyxl 引擎）。"""
+    try:
+        import openpyxl  # noqa: F401
+    except ImportError:
+        return "导出失败：ImportError: Excel 导出需要安装 openpyxl"
+
+    df.to_excel(path, index=False, engine="openpyxl")
+    return f"已导出 {len(df)} 行数据到 {path}"
+
+
+def _export_duckdb(df: pd.DataFrame, path: str, table_name: str) -> str:
+    """导出为 DuckDB 表。"""
+    try:
+        import duckdb
+    except ImportError:
+        return "导出失败：ImportError: DuckDB 导出需要安装 duckdb"
+
+    conn = duckdb.connect(path)
+    try:
+        conn.execute(f'CREATE OR REPLACE TABLE "{table_name}" AS SELECT * FROM df')
+        return f"已导出 {len(df)} 行数据到 {path}"
+    finally:
+        conn.close()

panda_tools/formatter.py

@@ -0,0 +1,70 @@
+"""PandaAI 返回值格式化器模块。
+
+提供 format_result 和 safe_call 两个核心函数：
+- format_result：将 API 返回结果（DataFrame / str / None）格式化为 LLM 可读文本
+- safe_call：统一的 API 调用包装器，自动认证、异常捕获、结果格式化
+"""
+
+from typing import Any, Callable
+
+import pandas as pd
+
+from panda_tools.credential import CredentialManager
+
+
+def format_result(result: Any, max_rows: int = 20) -> str:
+    """将 API 返回结果格式化为 LLM 可读的文本。
+
+    格式化规则：
+    - DataFrame：转为表格文本（to_string），超过 max_rows 行截断并提示总行数
+    - str：直接返回
+    - None / 空 DataFrame：返回"未查询到数据"
+
+    Args:
+        result: API 返回的原始结果，可能是 DataFrame、str 或 None。
+        max_rows: 最大显示行数，默认 20。
+
+    Returns:
+        格式化后的字符串。
+    """
+    if result is None:
+        return "未查询到数据"
+
+    if isinstance(result, pd.DataFrame):
+        if result.empty:
+            return "未查询到数据"
+        total_rows = len(result)
+        if total_rows <= max_rows:
+            return result.to_string(index=False)
+        truncated = result.head(max_rows).to_string(index=False)
+        return f"{truncated}\n\n... 共 {total_rows} 行，仅显示前 {max_rows} 行"
+
+    if isinstance(result, str):
+        return result
+
+    return "未查询到数据"
+
+
+def safe_call(func: Callable, **kwargs: Any) -> str:
+    """统一的 API 调用包装器。
+
+    执行流程：
+    1. 自动调用 CredentialManager.ensure_initialized() 确保认证已完成
+    2. 调用目标函数并传入参数
+    3. 使用 format_result 格式化返回值
+    4. 捕获所有异常，返回包含错误类型和错误信息的结构化描述
+
+    Args:
+        func: 要调用的 API 函数。
+        **kwargs: 传递给 API 函数的关键字参数。
+
+    Returns:
+        格式化后的结果字符串，或结构化的错误描述。
+    """
+    try:
+        if not CredentialManager.ensure_initialized():
+            return f"API 调用失败：{CredentialManager.last_init_message()}"
+        result = func(**kwargs)
+        return format_result(result)
+    except Exception as e:
+        return f"API 调用失败：{type(e).__name__}: {e}"

panda_tools/registry.py

@@ -0,0 +1,156 @@
+"""Tool 注册中心模块。
+
+汇总 tools/ 下 6 个分类模块的所有 tool 定义，提供统一的查询和调用入口。
+支持懒加载：tool 模块尚未实现时自动跳过，不影响已有模块的注册。
+"""
+
+import importlib
+import logging
+from typing import Any, Dict, List, Optional
+
+from panda_tools.tools import TOOL_MODULES
+
+logger = logging.getLogger(__name__)
+
+
+class ToolRegistry:
+    """Tool 注册中心，汇总所有 tool 的定义和调用入口。
+
+    从 panda_tools.tools 下的 6 个分类模块自动收集 tool 定义，
+    构建名称→函数映射和类别→tool 列表映射，提供统一的查询与调用接口。
+    """
+
+    def __init__(self) -> None:
+        # 名称 → tool 定义（含 function）
+        self._tools: Dict[str, Dict[str, Any]] = {}
+        # 类别 → tool 定义列表（不含 function，用于对外暴露 schema）
+        self._categories: Dict[str, List[Dict[str, Any]]] = {}
+        # 名称 → 可调用函数
+        self._functions: Dict[str, Any] = {}
+
+        self._load_all_modules()
+
+    # ------------------------------------------------------------------
+    # 公开接口
+    # ------------------------------------------------------------------
+
+    def get_all_tools(self) -> List[Dict[str, Any]]:
+        """返回所有已注册 tool 的 JSON Schema 定义列表。
+
+        每个元素包含 name、description、parameters 三个字段，
+        不包含内部使用的 function 引用。
+
+        Returns:
+            tool 定义列表。
+        """
+        return [self._schema_only(t) for t in self._tools.values()]
+
+    def get_tools_by_category(self, category: str) -> List[Dict[str, Any]]:
+        """按类别返回 tool 的 JSON Schema 定义列表。
+
+        Args:
+            category: 类别标识符，可选值：
+                market_data / market_ref / financial / trade / futures
+
+        Returns:
+            该类别下的 tool 定义列表；类别不存在时返回空列表。
+        """
+        tools = self._categories.get(category, [])
+        return [self._schema_only(t) for t in tools]
+
+    def call_tool(self, name: str, **kwargs: Any) -> str:
+        """根据 tool 名称调用对应函数，返回格式化结果。
+
+        Args:
+            name: tool 名称（与 panda_data API 方法名一致）。
+            **kwargs: 传递给 tool 函数的关键字参数。
+
+        Returns:
+            格式化后的结果字符串，或错误描述。
+
+        Raises:
+            KeyError: 当 tool 名称未注册时抛出。
+        """
+        if name not in self._functions:
+            raise KeyError(f"未注册的 tool：{name}")
+        func = self._functions[name]
+        return func(**kwargs)
+
+    def get_tool_names(self) -> List[str]:
+        """返回所有已注册 tool 的名称列表。
+
+        Returns:
+            tool 名称列表。
+        """
+        return list(self._tools.keys())
+
+    def get_categories(self) -> List[str]:
+        """返回所有已注册的类别标识符列表。
+
+        Returns:
+            类别标识符列表。
+        """
+        return list(self._categories.keys())
+
+    @property
+    def tool_count(self) -> int:
+        """已注册 tool 总数。"""
+        return len(self._tools)
+
+    # ------------------------------------------------------------------
+    # 内部方法
+    # ------------------------------------------------------------------
+
+    def _load_all_modules(self) -> None:
+        """从 TOOL_MODULES 列表中逐个导入分类模块并注册 tool。
+
+        模块尚未实现时捕获 ImportError / ModuleNotFoundError 并跳过，
+        确保已实现的模块可以正常注册。
+        """
+        for module_path in TOOL_MODULES:
+            try:
+                module = importlib.import_module(module_path)
+            except (ImportError, ModuleNotFoundError) as exc:
+                logger.debug("跳过尚未实现的模块 %s: %s", module_path, exc)
+                continue
+
+            category: Optional[str] = getattr(module, "CATEGORY", None)
+            tools: Optional[List[Dict]] = getattr(module, "TOOLS", None)
+
+            if category is None or tools is None:
+                logger.warning(
+                    "模块 %s 缺少 CATEGORY 或 TOOLS 导出，已跳过", module_path
+                )
+                continue
+
+            if category not in self._categories:
+                self._categories[category] = []
+
+            for tool_def in tools:
+                name = tool_def.get("name")
+                if not name:
+                    logger.warning("模块 %s 中存在缺少 name 的 tool 定义，已跳过", module_path)
+                    continue
+
+                self._tools[name] = tool_def
+                self._categories[category].append(tool_def)
+
+                func = tool_def.get("function")
+                if func is not None:
+                    self._functions[name] = func
+
+    @staticmethod
+    def _schema_only(tool_def: Dict[str, Any]) -> Dict[str, Any]:
+        """返回 tool 定义的纯 schema 部分（去除 function 引用）。
+
+        Args:
+            tool_def: 完整的 tool 定义字典。
+
+        Returns:
+            仅包含 name、description、parameters 的字典。
+        """
+        return {
+            "name": tool_def["name"],
+            "description": tool_def["description"],
+            "parameters": tool_def["parameters"],
+        }

panda_tools/sdk.py

@@ -0,0 +1,30 @@
+"""解析 panda_data 顶层 API，兼容不同 SDK / wheel 中的新旧函数名。
+
+若本地 panda_data 与官方 __init__ 导出不一致，会按候选名依次尝试。
+"""
+
+from __future__ import annotations
+
+from typing import Any, Callable
+
+import panda_data
+
+
+def resolve_panda_fn(*names: str) -> Callable[..., Any]:
+    """返回 ``panda_data`` 上第一个存在的可调用对象。
+
+    Args:
+        names: 按优先级排列的函数名（新名在前、旧名在后）。
+
+    Raises:
+        AttributeError: 所有候选名均不存在或不可调用。
+    """
+    for n in names:
+        fn = getattr(panda_data, n, None)
+        if callable(fn):
+            return fn
+    raise AttributeError(
+        "当前环境的 panda_data 未导出以下任一函数: "
+        + ", ".join(names)
+        + "。请安装与 PandaAI 文档一致的 panda_data 包并检查版本。"
+    )