大整理: 仓库重组 + 新词表 + 新README

- 清理仓库: 删除所有废弃的generate_*脚本和旧版数据文件
- 目录重组:
  - data/       → 训练数据
  - scripts/    → 数据生成脚本
  - templates/  → Web UI
- 重命名:
  - train_v2.py  → train.py
  - vocab_v3.json → vocab.json (BPE, 6.8k tokens)
- 更新 train.py 指向新词表路径
- 重写 README.md 完整文档
- 更新 .gitignore

README.md

@@ -1,29 +1,95 @@
-# xiaoli-llm-chat
+# 小狸 AI — Xiaoli Chat
 
-#### 介绍
-小狸AI - 旨在最小设备上运行的闲聊心理治疗模型
+> 一个从零训练的 **13M 参数闲聊心理治疗模型**。纯 CPU 实时推理，无需 GPU。
 
-从零训练的特化 Transformer，不依赖任何预训练模型，无需微调对齐，训练完可直接对话。
+小狸是一个 8 岁小女孩的角色化对话 AI，基于 Causal Decoder-Only Transformer 架构，支持日常闲聊、情感陪伴、角色扮演等场景。
 
-#### 模型特点
-- **超轻量**: 仅 13M 参数，约 20MB 占用
-- **从零训练**: 不基于 LLaMA/GPT 等任何基座，权重完全随机初始化
-- **开箱即用**: 无需 SFT / RLHF，训练完即可对话
-- **安全可控**: 数据内嵌对齐，天然不输出违规内容
-- **闲聊陪伴**: 专注情感价值，不追求通用能力
+## 快速开始
 
-#### 技术栈
-- 架构: Causal Decoder-Only Transformer (RoPE + RMSNorm + SwiGLU)
-- 分词: 字符级词表（3236 tokens）
-- 训练: 自建问答数据 + Astron API 蒸馏
+```bash
+# 1. 推理（对话）
+python3 -c "
+import json, torch
+from llm_chat_improved import LLMModel, LLMChat, tokenizer_instance
 
-#### 使用场景
-- 儿童情感陪伴
-- 轻量级心理倾诉
-- IoT / 嵌入式设备离线对话
-- 隐私安全的本地聊天
+vocab = json.load(open('vocab.json'))
+ckpt = torch.load('llm_model_v2_resume_epoch_7.pth', map_location='cpu')
+cfg = ckpt['model_config']
 
-#### 性能
-- 内存占用: ~20MB
-- 推理速度: CPU 实时（无需 GPU）
-- 可运行平台: 树莓派、手机、手表、低端PC
+model = LLMModel(vocab_size=len(vocab), d_model=cfg['d_model'], n_heads=cfg['n_heads'],
+                 n_layers=cfg['n_layers'], d_ff=cfg['d_ff'], max_len=cfg['max_len'], dropout=0.1)
+model.load_state_dict(ckpt['model_state_dict'])
+model.eval()
+
+chat = LLMChat(model, vocab, device='cpu')
+tokenizer_instance.char_to_id = vocab.copy()
+tokenizer_instance.id_to_char = {v:k for k,v in vocab.items()}
+
+print(chat.generate_response('小狸你好呀'))
+"
+
+# 2. 训练
+python3 train.py
+```
+
+## 模型架构
+
+| 参数 | 值 |
+|------|-----|
+| 架构 | Causal Decoder-Only Transformer |
+| 参数量 | 13M |
+| 隐藏层 (d_model) | 320 |
+| 层数 (n_layers) | 6 |
+| 注意力头 (n_heads) | 8 |
+| FFN 宽度 (d_ff) | 1280 |
+| 最大序列长度 | 512 |
+| 位置编码 | RoPE (Rotary Position Embedding) |
+| 激活函数 | SwiGLU |
+| 归一化 | RMSNorm |
+| 词表 | BPE, 6,812 tokens |
+
+## 项目结构
+
+```
+xiaoli-llm-chat/
+├── llm_chat_improved.py   # 模型架构 + 推理代码（核心）
+├── train.py               # 训练脚本
+├── vocab.json             # BPE 词表（6.8k tokens）
+├── web_server.py          # Web 聊天服务
+├── chat_server.py         # Flask 聊天服务
+├── templates/
+│   └── chat.html          # 聊天网页 UI
+├── data/
+│   ├── xiaoli_data_v1_part_1of2.json  # 训练数据（33万条）
+│   └── xiaoli_data_v1_part_2of2.json  # 训练数据（33万条）
+└── scripts/               # 数据生成脚本
+    ├── generate_fresh_qa.py
+    ├── generate_multiturn.py
+    ├── regenerate_all_high_temp.py
+    ├── daily_data_gen.py
+    └── api_correction.py
+```
+
+## 训练数据
+
+- **总计 666,379 条** 去重 QA 对
+- 来源：Astron 30B API 蒸馏生成（高温采样 + 多轮对话 + 新问答）
+- 场景覆盖：日常闲聊、情感陪伴、儿童对话、角色扮演
+- 纯人工蒸馏，零网页爬取，数据安全可控
+
+## 模型权重
+
+当前发布版本：**Epoch 7**（v0.1）
+
+模型权重文件 `llm_model_v2_resume_epoch_7.pth`（154MB）因超出 Gitee 单文件限制，需单独下载。
+
+## 系统要求
+
+- Python 3.8+
+- PyTorch（CPU 即可，无需 GPU）
+- 内存：~200MB
+- 磁盘：~500MB（含训练数据和权重）
+
+## 许可
+
+MIT License