llmxray 0.5.0 → 0.6.0

package/README.zh-CN.md

@@ -1,298 +1,301 @@
-<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。对于推理模型,可按对话设置思考预算 —— 关闭、由模型自选,或显式指定低 / 中 / 高 / 最大推理强度。
-
-### 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。可请求更窄的输出向量,直观看到套娃式截断在相似度上的代价。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 0.32.x**(2026 年 8 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` | 模型列表与能力、上下文长度、嵌入维度 |
-| `/api/show` | 参数、模板、许可证与架构元数据 |
-| `/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 0.32+ —— 能力与上下文长度随模型列表一并返回,`think` 支持分级推理强度,嵌入支持 `dimensions` 维度。
-
----
-
-## 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>
+<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="https://raw.githubusercontent.com/LogneBudo/llmxray/master/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。对于推理模型,可按对话设置思考预算 —— 关闭、由模型自选,或显式指定低 / 中 / 高 / 最大推理强度。
+
+### 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。可请求更窄的输出向量,直观看到套娃式截断在相似度上的代价。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。
+
+### 缓存实验室 *(v0.6.0 新增)*
+查明提示为何未命中模型的 KV 缓存，并测量每轮为此付出的代价。本地模型只有在提示从第一个词元起仍然一致时才会复用缓存，因此顶部的一个时间戳会让其下的全部失效。本实验室会找出逐轮变化的值，标出复用中断的确切位置，然后在你自己的守护进程上对每种排布发送两次（其中一次改变该值）来**实测**将其移至末尾究竟能节省多少。在一个真实的 324 词元提示上实测：**时间戳在前时复用 4 个词元、预填充 64.6 毫秒；在后时复用 290 个、仅 18.6 毫秒。字句相同，快 3.5 倍。**需要 Ollama 0.33.3+。
+
+### 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 0.33.x**(已在 0.33.3 上验证,2026 年 9 月)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` | 模型列表与能力、上下文长度、嵌入维度 |
+| `/api/show` | 参数、模板、许可证与架构元数据 |
+| `/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 0.33.3+ —— 会报告提示缓存复用(`prompt_eval_cached_count`,以及 OpenAI 兼容端点的 `usage.prompt_tokens_details.cached_tokens`),因此预填充吞吐率仅按实际计算的词元统计。0.32 起:能力与上下文长度随模型列表一并返回,`think` 支持分级推理强度,嵌入支持 `dimensions` 维度。
+
+---
+
+## 界面截图
+
+<table>
+<tr>
+<td width="50%">
+
+**带词元流与置信度的对话**
+![Chat](https://raw.githubusercontent.com/LogneBudo/llmxray/master/docs/public/screenshots/chat-diagnostics.png)
+
+</td>
+<td width="50%">
+
+**模型对比 — 并排**
+![Compare](https://raw.githubusercontent.com/LogneBudo/llmxray/master/docs/public/screenshots/compare-sidebyside.png)
+
+</td>
+</tr>
+<tr>
+<td width="50%">
+
+**会话深度分析 — 指标与时序**
+![Session](https://raw.githubusercontent.com/LogneBudo/llmxray/master/docs/public/screenshots/session-details.png)
+
+</td>
+<td width="50%">
+
+**基准测试与置信度雷达**
+![Benchmark](https://raw.githubusercontent.com/LogneBudo/llmxray/master/docs/public/screenshots/benchmark.png)
+
+</td>
+</tr>
+<tr>
+<td width="50%">
+
+**嵌入 — 余弦相似度**
+![Embeddings](https://raw.githubusercontent.com/LogneBudo/llmxray/master/docs/public/screenshots/embed-similarity.png)
+
+</td>
+<td width="50%">
+
+**系统监视器 — 硬件与 Ollama 状态**
+![System](https://raw.githubusercontent.com/LogneBudo/llmxray/master/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>