llmxray 0.4.7 → 0.4.9

package/README.sr.md

@@ -0,0 +1,297 @@
+<p align="center">
+  <img src="https://raw.githubusercontent.com/LogneBudo/llmxray/master/public/favicon.svg" alt="LLMxRay" width="80" />
+</p>
+
+<h1 align="center">LLMxRay</h1>
+<p align="center"><strong>Vidi šta tvoj AI zaista radi.</strong></p>
+<p align="center">
+  Strimovanje tokena u realnom vremenu, analiza kvaliteta, profilisanje performansi i praćenje troškova<br/>
+  za lokalne LLM-ove. Bez clouda. Bez API ključeva. Bez troškova.
+</p>
+
+<p align="center">
+  <a href="https://www.npmjs.com/package/llmxray"><img src="https://img.shields.io/npm/v/llmxray?color=cb3837&logo=npm&logoColor=white" alt="npm" /></a>
+  <a href="https://hub.docker.com/r/djovaneli/llmxray"><img src="https://img.shields.io/docker/pulls/djovaneli/llmxray?color=2496ED&logo=docker&logoColor=white" alt="Docker" /></a>
+  <img src="https://img.shields.io/badge/license-Apache%202.0-blue" alt="License" />
+  <img src="https://img.shields.io/badge/ollama-local-000?logo=ollama&logoColor=white" alt="Ollama" />
+</p>
+
+<p align="center">
+  🌐 <a href="README.md">English</a> &bull;
+  <a href="README.fr.md">Français</a> &bull;
+  <a href="README.zh-CN.md">中文</a> &bull;
+  <a href="README.ar.md">العربية</a> &bull;
+  <strong>Srpski</strong>
+</p>
+
+<p align="center">
+  <a href="#brzi-start">Brzi start</a> &bull;
+  <a href="#mogućnosti">Mogućnosti</a> &bull;
+  <a href="#snimci-ekrana">Snimci ekrana</a> &bull;
+  <a href="#kome-je-namenjeno">Kome je namenjeno</a> &bull;
+  <a href="CHANGELOG.md">Changelog</a>
+</p>
+
+<p align="center">
+  <img src="docs/public/screenshots/demo.gif" alt="LLMxRay demo — strimovanje tokena u realnom vremenu sa bojenjem prema poverenju" width="800" />
+</p>
+
+---
+
+## Brzi start
+
+**Jedna komanda. 30 sekundi.**
+
+```bash
+npx llmxray
+```
+
+Ili sa Docker-om:
+
+```bash
+docker run -p 5174:5174 djovaneli/llmxray
+```
+
+Otvori **http://localhost:5174** i počni razgovor. To je sve.
+
+> **Preduslov:** [Ollama](https://ollama.com/download) pokrenut lokalno sa bar jednim povučenim modelom (`ollama pull llama3.2`).
+
+---
+
+## Zašto LLMxRay?
+
+Pokrenuo si lokalni LLM. Razgovaraš sa njim. Ali šta se zaista desilo?
+
+- Koliko je svaki token bio brz? U koje je model bio siguran?
+- Da li kvalitet odgovora opada tokom dugih razgovora?
+- Koliko bi ovo koštalo da si ga pokrenuo u cloudu?
+- Da li se model ponavlja? Odbija? Generiše besmislice?
+- Kako se temperatura 0.3 poredi sa 0.9 na *istom* promptu?
+
+**LLMxRay odgovara na sve ovo — vizuelno, u realnom vremenu, besplatno.**
+
+---
+
+## Mogućnosti
+
+### Razgovor u realnom vremenu sa inteligencijom tokena
+Pričaj sa bilo kojim Ollama modelom i posmatraj tokene kako pristižu sa **bojenjem prema poverenju** — svaki token je obojen prema brzini generisanja. Podržava Markdown, razgovore u više rundi, priloge datoteka, vision modele i slash komande.
+
+### Kapije kvaliteta odgovora
+Svaki odgovor se automatski analizira. Obojene oznake se pojavljuju samo kada nešto nije u redu:
+- **Ponavljanje** — preterano ponavljanje fraza (4-gram analiza)
+- **Odbijanje** — "kao AI jezički model" i još 7 obrazaca
+- **Besmislice** — visok udeo ne-ASCII karaktera
+- **Prazno** — manje od 10 reči
+- **Sečenje** — dostigao limit tokena bez završetka
+
+### Radionica za poređenje modela
+Do **4 slota** sa nezavisnim modelom, temperaturom i sistemskim promptom. Mogućnosti uključuju strimovanje uporedo, isticanje razlika na nivou reči, poređenje metrika i jedno-klik preset-e (Temperature Sweep, Deterministic Pair, Language Compare sa vizualizacijom Token Tax-a).
+
+### Analitika performansi
+- **Percentili latencije** (P50/P95/P99) za trajanje i TTFT
+- **Inteligencija grešaka** — klasifikator sa 7 kategorija i vremenska osa
+- **Toplotna mapa korišćenja** — 7×24 mreža tvojih aktivnih sati
+- **Uticaj podešavanja** — scatter dijagrami temperature naspram tokena/sec
+- Praćenje **hladnog i toplog starta** sa istorijom učitavanja modela
+
+### Tabla troškova
+Potrošnja tokena po modelu/danu sa procenom ekvivalentne cene u cloudu. Vidi koliko *štediš* tako što pokrećeš lokalno.
+
+### Hirurški benchmark
+Testiraj znanje modela skupovima pitanja sa višestrukim izborom. Koristi prave logprobs preko OpenAI-kompatibilnog endpointa za tačno merenje poverenja. Pravi custom skupove vizuelno ili pusti AI da ih generiše iz teme.
+
+### Embeddings Lab i RAG pipeline
+Embeduj tekst, vizualizuj vektore, meri kosinusnu sličnost. Izgradi lokalnu bazu znanja iz PDF, DOCX i CSV fajlova — podeljeno na delove, embedovano i pretraživo. Sve smešteno u IndexedDB. Bez troškova.
+
+### Tool Workshop (vizuelno platno)
+Drag-and-drop platno sa čvorovima za pravljenje definicija alata. Dvosmerna sinhronizacija koda (uređuj čvorove ili TypeScript — oba se ažuriraju). Sondiraj API-je, automatski generiši šeme, testiraj uživo.
+
+### Fill-in-the-Middle Playground *(novo u v0.4.7)*
+Dopuna koda za Qwen-Coder, CodeLlama, Codestral, DeepSeek-Coder i StarCoder. Dva polja (prefiks / sufiks), model popunjava prazninu. Koristi Ollama `suffix` polje na `/api/generate`. Spojeni pregled pokazuje rezultat kao što bi izgledao u tvom editoru.
+
+### Protocol Observatory *(novo u v0.4.7)*
+Pošalji isti prompt kroz tri Ollama protokola posluživanja — **nativni** `/api/chat`, **OpenAI-compat** `/v1/chat/completions` i **Anthropic-compat** `/v1/messages` — paralelno protiv tvog lokalnog modela. Strimovanje uporedo, metrike po protokolu i tab za poređenje envelope-a koji pokazuje kako svaki protokol uobličava razloge završetka, brojeve tokena i envelope grešaka. Bez clouda, bez API ključeva — sva tri endpointa su lokalna na `localhost:11434`.
+
+### AI Training Pipeline
+Pripremi podatke za obuku iz svojih razgovora. Označavaj, pregledaj i izvozi kao JSONL za fine-tuning.
+
+### Lokalna AI baza istorije
+Svaki eksperiment (benchmark-i, poređenja, razgovori, parovi za obuku) se automatski arhivira u pretraživu IndexedDB bazu sa filterima, trendovima, izvozom i pravilima zadržavanja.
+
+### Višejezičnost
+Potpuni prevodi na engleskom, francuskom, srpskom (latinica + ćirilica), kineskom i arapskom. Podrška za RTL raspored. Skele zajednice za hebrejski i japanski.
+
+---
+
+## Ollama kompatibilnost
+
+Testirano i verifikovano sa **Ollama 0.24.0** (trenutno najnovija stabilna verzija u maju 2026). LLMxRay koristi sledeće Ollama endpointe:
+
+| Endpoint | Za šta se koristi |
+|---|---|
+| `/api/chat` | Strimovan chat (NDJSON, sa `tools`, `think`, `format` schema) |
+| `/api/generate` | Generisanje + Fill-in-the-Middle preko `suffix` |
+| `/api/tags`, `/api/show` | Lista modela + detekcija sposobnosti (`thinking`, `tools`, `vision`) |
+| `/api/embed` | Vektorski embeddings za RAG |
+| `/api/pull`, `/api/delete`, `/api/ps`, `/api/version` | Upravljanje modelima + status |
+| `/v1/chat/completions` | OpenAI-compat putanja koju Surgical Benchmark koristi za prave logprobs |
+| `/v1/messages` | Anthropic-compat putanja koju koristi Protocol Observatory |
+
+**Kompatibilno sa:** Ollama 0.20 i novijim (starije verzije rade za chat/generate, ali nemaju `think` i JSON-schema `format`). **Preporučeno:** Ollama 0.24+ za potpunu paritetnost funkcija, uključujući Anthropic-compat endpoint (dodat u 0.23) i `think: "max"` režim (dodat u 0.21.3).
+
+---
+
+## Snimci ekrana
+
+<table>
+<tr>
+<td width="50%">
+
+**Chat sa strimovanjem tokena i poverenjem**
+![Chat](docs/public/screenshots/chat-diagnostics.png)
+
+</td>
+<td width="50%">
+
+**Poređenje modela — uporedo**
+![Compare](docs/public/screenshots/compare-sidebyside.png)
+
+</td>
+</tr>
+<tr>
+<td width="50%">
+
+**Detaljni pregled sesije — metrike i tajming**
+![Session](docs/public/screenshots/session-details.png)
+
+</td>
+<td width="50%">
+
+**Benchmark sa radarom poverenja**
+![Benchmark](docs/public/screenshots/benchmark.png)
+
+</td>
+</tr>
+<tr>
+<td width="50%">
+
+**Embeddings — kosinusna sličnost**
+![Embeddings](docs/public/screenshots/embed-similarity.png)
+
+</td>
+<td width="50%">
+
+**Monitor sistema — hardver i Ollama status**
+![System](docs/public/screenshots/my-system.png)
+
+</td>
+</tr>
+</table>
+
+---
+
+## Kome je namenjeno
+
+| Ti si... | LLMxRay ti pomaže da... |
+|---|---|
+| **Developer** | Debaguješ promptove, profilišeš latenciju, porediš modele, pregledaš tool pozive, pratiš troškove |
+| **Istraživač** | Pokrećeš kontrolisane eksperimente sa konzistentnim podešavanjima kroz modele i temperature |
+| **Student / Edukator** | Istražuješ ponašanje modela vizuelno — ugrađeni Educators Kit sa 9 interaktivnih modula |
+| **Vođa AI tima** | Razumeš trendove kvaliteta, obrasce grešaka i potrošnju resursa kroz svoju lokalnu flotu |
+
+---
+
+## Opcije instalacije
+
+### npx (preporučeno)
+```bash
+npx llmxray
+npx llmxray --port 3000
+npx llmxray --ollama-url http://192.168.1.50:11434
+```
+
+### Docker
+```bash
+docker run -p 5174:5174 djovaneli/llmxray
+docker run -p 5174:5174 -e OLLAMA_URL=http://host.docker.internal:11434 djovaneli/llmxray
+```
+
+### Iz izvornog koda
+```bash
+git clone https://github.com/LogneBudo/llmxray.git
+cd llmxray
+npm install
+npm run dev     # http://localhost:5173
+```
+
+---
+
+## Tehnološki stek
+
+| Sloj | Tehnologija |
+|---|---|
+| Framework | Vue 3.5 + Composition API |
+| Jezik | TypeScript 5.9 (strict) |
+| Build | Vite 7.3 |
+| Stilizovanje | Tailwind CSS 4.2 |
+| State | Pinia 3 (store po domenu) |
+| Grafici | Chart.js 4, D3.js 7 |
+| Canvas | Vue Flow (vizuelni node editor) |
+| Editor koda | CodeMirror 6 |
+| Skladištenje | IndexedDB (nativan u browseru) |
+| LLM Backend | Ollama (lokalno) |
+
+---
+
+## Arhitektura
+
+**Strimovanje** — Čita Ollama NDJSON preko `fetch()` + `ReadableStream`. Tokeni reaktivno ažuriraju UI kroz Pinia store-ove.
+
+**Poverenje tokena** — Aproksimirano iz latencije između tokena (brže = sigurnije). Jasno označeno kao aproksimacija. Benchmark-i koriste prave logprobs preko OpenAI-kompatibilnog endpointa.
+
+**Store po domenu** — Svaki domen ima svoj Pinia store: tokens, sessions, metrics, reasoning, comparison, embeddings, quality, cost i drugi.
+
+**Detekcija hardvera** — Custom Vite plugin direktno ispituje OS (PowerShell/proc/sysctl) za tačne hardverske specifikacije.
+
+---
+
+## Razvoj
+
+| Komanda | Šta radi |
+|---|---|
+| `npm run dev` | Dev server (port 5173) |
+| `npm run build` | Provera tipova + production build |
+| `npm run test` | Unit testovi (Vitest) |
+| `npm run test:e2e` | End-to-end (Playwright) |
+
+---
+
+## Doprinosi
+
+Doprinosi su dobrodošli! Pogledaj [CONTRIBUTING.md](CONTRIBUTING.md) za podešavanje i smernice.
+
+**Prevodi zajednice su posebno dobrodošli** — skele su spremne za hebrejski i japanski.
+
+---
+
+## Licenca
+
+[Apache License 2.0](LICENSE)
+
+## Žig
+
+**LLMxRay** je žig Ivana Stankovića ([LogneBudo](https://github.com/LogneBudo)). Pogledaj [TRADEMARK.md](TRADEMARK.md).
+
+---
+
+<p align="center">
+  <strong>Ako ti LLMxRay pomaže da bolje razumeš svoj AI, razmisli da daš zvezdicu.</strong><br/>
+  To pomaže drugima da otkriju projekat.
+</p>
+
+<p align="center">
+  <a href="https://github.com/LogneBudo/llmxray">
+    <img src="https://img.shields.io/github/stars/LogneBudo/llmxray?style=social" alt="GitHub stars" />
+  </a>
+</p>

package/README.zh-CN.md

@@ -0,0 +1,297 @@
+<p align="center">
+  <img src="https://raw.githubusercontent.com/LogneBudo/llmxray/master/public/favicon.svg" alt="LLMxRay" width="80" />
+</p>
+
+<h1 align="center">LLMxRay</h1>
+<p align="center"><strong>看清您本地 AI 的真实运行状态。</strong></p>
+<p align="center">
+  面向本地大语言模型的实时词元流、质量分析、性能剖析与成本跟踪。<br/>
+  无云端。无 API 密钥。无费用。
+</p>
+
+<p align="center">
+  <a href="https://www.npmjs.com/package/llmxray"><img src="https://img.shields.io/npm/v/llmxray?color=cb3837&logo=npm&logoColor=white" alt="npm" /></a>
+  <a href="https://hub.docker.com/r/djovaneli/llmxray"><img src="https://img.shields.io/docker/pulls/djovaneli/llmxray?color=2496ED&logo=docker&logoColor=white" alt="Docker" /></a>
+  <img src="https://img.shields.io/badge/license-Apache%202.0-blue" alt="License" />
+  <img src="https://img.shields.io/badge/ollama-local-000?logo=ollama&logoColor=white" alt="Ollama" />
+</p>
+
+<p align="center">
+  🌐 <a href="README.md">English</a> &bull;
+  <a href="README.fr.md">Français</a> &bull;
+  <strong>中文</strong> &bull;
+  <a href="README.ar.md">العربية</a> &bull;
+  <a href="README.sr.md">Srpski</a>
+</p>
+
+<p align="center">
+  <a href="#快速开始">快速开始</a> &bull;
+  <a href="#功能特性">功能特性</a> &bull;
+  <a href="#界面截图">界面截图</a> &bull;
+  <a href="#适用人群">适用人群</a> &bull;
+  <a href="CHANGELOG.md">更新日志</a>
+</p>
+
+<p align="center">
+  <img src="docs/public/screenshots/demo.gif" alt="LLMxRay 演示 — 带置信度着色的实时词元流" width="800" />
+</p>
+
+---
+
+## 快速开始
+
+**一条命令,30 秒搞定。**
+
+```bash
+npx llmxray
+```
+
+或使用 Docker:
+
+```bash
+docker run -p 5174:5174 djovaneli/llmxray
+```
+
+打开 **http://localhost:5174** 即可开始对话。就这么简单。
+
+> **前置条件:** 本地运行 [Ollama](https://ollama.com/download),并至少拉取一个模型(`ollama pull llama3.2`)。
+
+---
+
+## 为什么选择 LLMxRay?
+
+您运行了一个本地大语言模型,与它对话,但实际发生了什么?
+
+- 每个词元生成有多快?模型对哪些词元更有信心?
+- 长对话中响应质量是否在下降?
+- 如果在云端运行,这次对话要花多少钱?
+- 模型是否在重复自己?拒绝回答?生成乱码?
+- 在**相同提示**下,温度 0.3 与 0.9 有何区别?
+
+**LLMxRay 用可视化方式实时免费回答以上所有问题。**
+
+---
+
+## 功能特性
+
+### 实时对话与词元智能
+与任何 Ollama 模型对话,观察词元到达时的**置信度着色** —— 每个词元根据生成速度被染色。支持 Markdown、多轮对话、文件附件、视觉模型与斜杠命令。
+
+### 响应质量门禁
+每条响应都会被自动分析。仅在出现问题时才显示彩色徽章:
+- **重复** —— 短语过度重复(4-gram 分析)
+- **拒绝** —— "作为一个 AI 语言模型" 等 7 种模式
+- **乱码** —— 非 ASCII 比例过高
+- **空响应** —— 少于 10 个词
+- **截断** —— 在完成前触及词元上限
+
+### 模型对比工作台
+最多 **4 个槽位**,每个槽位独立配置模型、温度与系统提示。功能包括并排流式输出、词级别差异高亮、指标对比,以及一键预设(温度扫描、确定性配对、带词元税可视化的语言对比)。
+
+### 性能分析
+- **延迟百分位**(P50/P95/P99),涵盖总时长与首词元时间
+- **错误情报** —— 7 类分类器与时间轴
+- **使用热力图** —— 您活跃时段的 7×24 网格
+- **设置影响** —— 温度与每秒词元数的散点图
+- **冷启动与热启动**跟踪,含模型加载历史
+
+### 成本仪表板
+按模型/日统计词元用量,估算等效云端价格。看看您本地运行**节省**了多少。
+
+### 外科手术式基准测试
+用多选题套件测试模型知识。通过 OpenAI 兼容端点使用真实 logprobs 进行准确的置信度测量。可视化构建自定义题组,或让 AI 根据主题自动生成。
+
+### 嵌入实验室与 RAG 流水线
+嵌入文本、可视化向量、测量余弦相似度。从 PDF、DOCX 与 CSV 构建本地知识库 —— 分块、嵌入、可搜索。全部存储在 IndexedDB。零成本。
+
+### 工具工坊(可视化画布)
+拖拽式节点画布用于构建工具定义。双向代码同步(编辑节点或 TypeScript —— 两边同步更新)。探测 API、自动生成 schema、实时执行测试。
+
+### 中段填充游乐场 *(v0.4.7 新增)*
+为 Qwen-Coder、CodeLlama、Codestral、DeepSeek-Coder 与 StarCoder 提供代码补全。两个文本框(前缀 / 后缀),模型填补中间空缺。使用 Ollama 的 `/api/generate` 的 `suffix` 字段。拼接预览展示编辑器中的最终效果。
+
+### 协议观察台 *(v0.4.7 新增)*
+将同一提示并行发送至 Ollama 的三种服务协议 —— **原生** `/api/chat`、**OpenAI 兼容** `/v1/chat/completions`、**Anthropic 兼容** `/v1/messages` —— 全部针对您的本地模型运行。并排流式输出、各协议指标对比,以及信封差异标签页,展示各协议如何封装结束原因、词元计数与错误信封。无云端、无 API 密钥 —— 三个端点全部位于 `localhost:11434`。
+
+### AI 训练流水线
+从您的对话中筛选训练数据。标记、审查并导出为 JSONL 用于微调。
+
+### 本地 AI 历史数据库
+每次实验(基准测试、对比、对话、训练对)都会自动归档到可查询的 IndexedDB 数据库中,支持过滤、趋势、导出与保留策略。
+
+### 多语言支持
+完整翻译涵盖英语、法语、塞尔维亚语(拉丁与西里尔)、中文与阿拉伯语。支持 RTL 布局。希伯来语与日语的社区脚手架已就绪。
+
+---
+
+## Ollama 兼容性
+
+针对 **Ollama 0.24.0**(2026 年 5 月最新稳定版)进行了测试与验证。LLMxRay 使用以下 Ollama 端点:
+
+| 端点 | 用途 |
+|---|---|
+| `/api/chat` | 流式对话(NDJSON,支持 `tools`、`think`、`format` schema) |
+| `/api/generate` | 生成与中段填充(通过 `suffix`) |
+| `/api/tags`、`/api/show` | 模型列表与能力检测(`thinking`、`tools`、`vision`) |
+| `/api/embed` | RAG 的向量嵌入 |
+| `/api/pull`、`/api/delete`、`/api/ps`、`/api/version` | 模型管理与状态 |
+| `/v1/chat/completions` | OpenAI 兼容路径,外科手术式基准测试用于获取真实 logprobs |
+| `/v1/messages` | Anthropic 兼容路径,协议观察台使用 |
+
+**兼容版本:** Ollama 0.20 及更新版本(更早版本支持对话/生成但缺少 `think` 与 JSON-schema `format`)。**推荐版本:** Ollama 0.24+,可获得完整功能,包括 Anthropic 兼容端点(0.23 新增)与 `think: "max"` 模式(0.21.3 新增)。
+
+---
+
+## 界面截图
+
+<table>
+<tr>
+<td width="50%">
+
+**带词元流与置信度的对话**
+![Chat](docs/public/screenshots/chat-diagnostics.png)
+
+</td>
+<td width="50%">
+
+**模型对比 — 并排**
+![Compare](docs/public/screenshots/compare-sidebyside.png)
+
+</td>
+</tr>
+<tr>
+<td width="50%">
+
+**会话深度分析 — 指标与时序**
+![Session](docs/public/screenshots/session-details.png)
+
+</td>
+<td width="50%">
+
+**基准测试与置信度雷达**
+![Benchmark](docs/public/screenshots/benchmark.png)
+
+</td>
+</tr>
+<tr>
+<td width="50%">
+
+**嵌入 — 余弦相似度**
+![Embeddings](docs/public/screenshots/embed-similarity.png)
+
+</td>
+<td width="50%">
+
+**系统监视器 — 硬件与 Ollama 状态**
+![System](docs/public/screenshots/my-system.png)
+
+</td>
+</tr>
+</table>
+
+---
+
+## 适用人群
+
+| 您是... | LLMxRay 帮您... |
+|---|---|
+| **开发者** | 调试提示、剖析延迟、对比模型、检视工具调用、跟踪成本 |
+| **研究者** | 在跨模型与温度的一致设置下运行受控实验 |
+| **学生 / 教育者** | 可视化探索模型行为 —— 内置教育者工具包含 9 个交互式模块 |
+| **AI 团队负责人** | 了解本地集群的质量趋势、错误模式与资源使用情况 |
+
+---
+
+## 安装方式
+
+### npx(推荐)
+```bash
+npx llmxray
+npx llmxray --port 3000
+npx llmxray --ollama-url http://192.168.1.50:11434
+```
+
+### Docker
+```bash
+docker run -p 5174:5174 djovaneli/llmxray
+docker run -p 5174:5174 -e OLLAMA_URL=http://host.docker.internal:11434 djovaneli/llmxray
+```
+
+### 从源码构建
+```bash
+git clone https://github.com/LogneBudo/llmxray.git
+cd llmxray
+npm install
+npm run dev     # http://localhost:5173
+```
+
+---
+
+## 技术栈
+
+| 层级 | 技术 |
+|---|---|
+| 框架 | Vue 3.5 + Composition API |
+| 语言 | TypeScript 5.9(严格模式) |
+| 构建 | Vite 7.3 |
+| 样式 | Tailwind CSS 4.2 |
+| 状态管理 | Pinia 3(按关注点拆分 store) |
+| 图表 | Chart.js 4、D3.js 7 |
+| 画布 | Vue Flow(可视化节点编辑器) |
+| 代码编辑器 | CodeMirror 6 |
+| 存储 | IndexedDB(浏览器原生) |
+| LLM 后端 | Ollama(本地) |
+
+---
+
+## 架构
+
+**流式传输** —— 通过 `fetch()` + `ReadableStream` 读取 Ollama NDJSON。词元通过 Pinia store 响应式地更新 UI。
+
+**词元置信度** —— 根据词元间延迟近似计算(越快 = 越有信心)。明确标注为近似值。基准测试通过 OpenAI 兼容端点使用真实 logprobs。
+
+**按关注点拆分 store** —— 每个领域都有自己的 Pinia store:tokens、sessions、metrics、reasoning、comparison、embeddings、quality、cost 等。
+
+**硬件检测** —— 自定义 Vite 插件直接查询操作系统(PowerShell/proc/sysctl)获取准确的硬件规格。
+
+---
+
+## 开发
+
+| 命令 | 作用 |
+|---|---|
+| `npm run dev` | 开发服务器(端口 5173) |
+| `npm run build` | 类型检查 + 生产构建 |
+| `npm run test` | 单元测试(Vitest) |
+| `npm run test:e2e` | 端到端测试(Playwright) |
+
+---
+
+## 贡献
+
+欢迎贡献!请参阅 [CONTRIBUTING.md](CONTRIBUTING.md) 了解设置与指南。
+
+**特别欢迎社区翻译** —— 希伯来语与日语的脚手架文件已就绪。
+
+---
+
+## 许可证
+
+[Apache License 2.0](LICENSE)
+
+## 商标
+
+**LLMxRay** 是 Ivan Stankovic([LogneBudo](https://github.com/LogneBudo))的商标。请参阅 [TRADEMARK.md](TRADEMARK.md)。
+
+---
+
+<p align="center">
+  <strong>如果 LLMxRay 帮助您更好地理解您的 AI,请考虑给项目点亮一颗星。</strong><br/>
+  这能帮助更多人发现这个项目。
+</p>
+
+<p align="center">
+  <a href="https://github.com/LogneBudo/llmxray">
+    <img src="https://img.shields.io/github/stars/LogneBudo/llmxray?style=social" alt="GitHub stars" />
+  </a>
+</p>