PWA对话界面重构 + 记忆库桥接

- 纯对话界面：消息气泡、深灰输入框
- 桥接服务接入 DeepSeek API
- 记忆库文件纳入 mao1 仓库（含沈晏身份/对话规则）
- 移除 ModelSelector、光晕效果等无关元素

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

shenyan-room/attention is all you need/4-30-2026/编码器-解码器-q k v.md

@@ -0,0 +1,22 @@
+# Transformer 编码器-解码器 & Q/K/V 学习笔记 ## 
+一、整体结构 
+主流序列任务（翻译等）采用 **Encoder 编码器 + Decoder 解码器** 架构。 
+1. 编码器 - 接收原始输入序列（文字/符号） - 将文本转为连续向量 $\boldsymbol z$ - 由 $\boldsymbol z$ 生成整套 **K、V 向量** - 作用：生成静态知识库，全程固定不变 
+2. 解码器 - 接收编码器的 KV 信息 - **自回归方式逐词生成输出** - 每一步只预测下一个字词 --- 
+## 二、自回归定义
+解码器生成时，**依赖已经生成的前文内容**： 每预测下一个词，都会把前面所有输出当作输入，逐步往后推导，一字一词生成完整句子。
+##  三、Q / K / V 核心分工
+1. $\boldsymbol K$（键）：原文内容的「标签/索引」，编码器产出 
+2. $\boldsymbol V$（值）：原文内容的「实际特征信息」，编码器产出 
+3. $\boldsymbol Q$（查询）： - 由**解码器**实时生成 
+- 来源：解码器当前隐藏状态（已生成的上文语境） 
+- 本质：**一串多维数字向量**，代表「我当前需要什么信息」
+## 四、完整运行流程 
+1. 编码器处理原文 → 生成固定 $\boldsymbol K、\boldsymbol V$ 
+2. 解码器根据已生成的上文 → 实时计算出专属 $\boldsymbol Q$ 
+3. 解码器用 $\boldsymbol Q$ 和所有 $\boldsymbol K$ 计算相似度 
+4. 匹配度越高，对应 $\boldsymbol V$ 权重越大 
+5. 融合原文V信息 + 解码器自身上文 
+6. 计算词汇概率，输出下一个词，循环往复 
+## 五、关键结论 
+1. KV 来自编码器，静态不变；Q 来自解码器，动态每步刷新 2. 是**解码器主动拿 Q 去检索 KV**，编码器只负责生产素材 3. Q/K/V 全是纯数字向量，模型靠向量相似度判断语义关联 4. 翻译生成 = 交叉注意力（Q查KV）+ 自回归逐字接龙