Update README.md

README.md

@@ -1,3 +1,146 @@
 ---
 license: apache-2.0
+language:
+  - zh
+base_model: Qwen/Qwen2.5-1.5B-Instruct
+library_name: gguf
+pipeline_tag: text-generation
+tags:
+  - gguf
+  - qwen2
+  - information-extraction
+  - structured-output
+  - json
+  - memory
+  - chinese
+  - edge
 ---
+
+Sentence2json — 中文单句 → 结构化事实（GGUF, Q8_0）
+
+1.说明
+
+这是一个把用户的一句话抽取成结构化事实的中文小模型；输出严格 JSON 行，只做"抽事实"这一件事，不做对话
+一般用于辅助Character.AI 类、AI 伴侣、视觉小说 NPC、桌宠、语音助手的人格记忆
+本模型完全在本地运行，不联网。您的私密对话、信息不会上传到云服务器
+
+基座：Qwen2.5-1.5B-Instruct    量化：Q8_0
+
+文件：fact-r8-q8_0.gguf（模型本体）
+	 system_prompt.txt（系统提示词，不可更换，否则指标会崩）
+	 SHA256SUMS.txt（校验码）
+	 README.txt（本文件）
+
+2.用法
+
+推荐使用llama.cpp（也支持Ollama，可自行选择）
+
+示例：
+先确认llama-server可用
+起服务：
+llama-server -m fact-r8-q8_0.gguf --host 127.0.0.1 --port 8091 -c 2048 -np 1 -ngl 99 --alias r8
+
+调用（OpenAI 兼容）：
+注意：一次请求发一句话，不要成批输入
+curl http://127.0.0.1:8091/v1/chat/completions -H "Content-Type: application/json" -d '{
+  "model": "r8", "temperature": 0, "max_tokens": 256,"repeat_penalty": 1.0,
+  "messages": [
+    {"role": "system", "content": "<system_prompt.txt 全文>"},
+    {"role": "user",   "content": "<你要输入的原文>"}
+  ]
+}'
+
+注意：调用时temperature一律建议手动设为0，否则模型会明显退化
+	 max_tokens设256够用，经测试99%的输出在60token内
+	 repeat_penalty建议设为1.0，调高可能会出现坏json（若你的客户端不认这个字段，可在启动参数里加 --repeat-penalty 1.0，两种写法等效。）
+	 repeat_penalty 为 llama.cpp 扩展参数，换到其它后端时删除该项即可
+
+3.输出格式
+
+一行一个 JSON 对象。共三种形态：
+
+// 形态 1：不自足（指代 / 省略 / 确认词 / 废话）
+{"has_info": false, "self_contained": false}
+
+// 形态 2/3：自足但没有关于"我"的可记信息（第三人称、反问、评价、玩笑…）
+{"has_info": false, "self_contained": true, "certainty": "explicit"}
+
+// 正例：全部字段
+{"has_info": true, "self_contained": true, "subject_raw": "我",
+ "predicate": "对", "object_raw": "花生过敏", "polarity": 1,
+ "kind": "attribute", "certainty": "explicit", "time_expression": null}
+
+
+字段：has_info, self_contained, subject_raw, predicate, object_raw, polarity, kind, certainty, time_expression
+
+4.评测
+
+测试时采用真实聊天记录289条（大量指代不明，省略）+手写句子100条（大多是完整句子）
+r8：
+真实记录289，含27条正事实：json合法率100%，负事实判正率0.8%（2条），正事实丢失率25.9%（7条），字段准确率95.7%
+手写句子100，含56条正事实：json合法率100%，负事实判正率0%（0条），正事实丢失率5.4%（3条），字段准确率98.9%
+本地Vulkan，单句延迟≈0.65s，单句成本0
+
+对比DeepSeekv4.1flash（相同提示词，额外提供1419字符规则文本）：
+真实记录289，含27条正事实：json合法率100%，负事实判正率14.1%（37条），正事实丢失率7.4%（2条），字段准确率86.9%
+手写句子100，含56条正事实：json合法率100%，负事实判正率31.8%（14条），正事实丢失率1.8%（1条），字段准确率85.5%
+单句延迟≈1.0s（含网络），单句成本约 800 tokens
+
+对比Qwen3.8Max（相同提示词，额外提供1419字符规则文本）：
+真实记录289，含27条正事实：json合法率100%，负事实判正率7.3%（19条），正事实丢失率22.2%（6条），字段准确率88.4%
+手写句子100，含56条正事实：我没跑，太贵了（目移）跑完289条就花了十块多
+单句延迟≈10.8s（含网络），单句成本约 1400 tokens
+
+
+5.已知限制
+
+中文为主，支持简单英文（但未系统实测）
+设计为“只记录与说话人直接相关的、有记录价值的事实，拿不准就判负”，尽量保持数据入库时“宁可漏不可错”
+为了方便抽取，设计为只抽取句子中出现的原话（除部分句式可以补“是”“有”来保证谓语行非空缺），但经过实测，模型仍有极小概率自己造字，不可完全信赖。使用时需要有后端逻辑兜底
+本模型每次只抽取第一个关于说话人本身的事实分句，多事实句会舍弃超出第一个的部分，如有需要，请将句子切分后再喂给模型
+在第一人称自述上训练：第三人称、反问、元话语、纯情绪会被判负，这是设计而非缺陷。
+
+6.许可
+
+权重与基座同为 Apache-2.0（Qwen2.5-1.5B-Instruct LICENSE：https://huggingface.co/Qwen/Qwen2.5-1.5B-Instruct/blob/main/LICENSE）
+训练数据为自建中文语料，不含基座模型输出以外的第三方数据。
+
+7.字段含义
+
+"has_info": {"type": "boolean", "desc": "这句话里有没有关于“我”的可记事实"},
+"self_contained": {"type": "boolean", "desc": "单拿出来看不看得懂（看不懂=不自足）"},
+"subject_raw": {"type": "string", "desc": "只写第一人称（我/我们/咱们…），不还原、不补全"},
+"predicate": {"type": "string", "desc": "从原句取；必要时补“是”“有”；体标记（了/过/着）紧跟谓语就归谓语"},
+"object_raw": {"type": "string|null", "desc": "谓语后到第一个分句标点为止；没有就 null"},
+"polarity": {"type": "integer", "enum": [1, -1],"desc": "肯定为1，否定为-1"},
+"kind": {"type": "string", "enum": ["preference", "attribute", "event", "commitment", "relationship"]},
+"certainty": {"type": "string", "enum": ["explicit", "speculation", "joke"]},
+"time_expression": {"type": "string|null", "desc": "时间/频率的原话，不归一化"}
+
+kind字段解释：
+preference：偏好，喜好
+attribute：状态，习惯，属性，特质
+event：做过的事情
+commitment：将要做的事情
+relationship：拥有，持有关系
+注意：很多句子的kind比较特殊，无法准确归类，因此该字段只能用作参考
+
+8.简单单句示例
+
+in : 我对花生过敏
+out: {"has_info": true, "self_contained": true, "subject_raw": "我", "predicate": "对","object_raw": "花生过敏", "polarity": 1, "kind": "attribute","certainty": "explicit", "time_expression": null}
+
+in : 我有个弟弟
+out: {"has_info": true, "self_contained": true, "subject_raw": "我", "predicate": "有","object_raw": "个弟弟", "polarity": 1, "kind": "relationship","certainty": "explicit", "time_expression": null}
+
+in：我不太喜欢公司的氛围
+out：{"has_info": true, "self_contained": true, "subject_raw": "我", "predicate": "喜欢", "object_raw": "公司的氛围", "polarity": -1, "kind": "preference", "certainty": "explicit", "time_expression": null}
+
+in : 你连这都知道，真牛逼啊
+out: {"has_info": false, "self_contained": false}
+
+in : 不，我的意思是，你知道这意味着什么吗
+out: {"has_info": false, "self_contained": false}
+
+in : 我昨天还想今天去医院来着，不过今天突然说是有课
+out: {"has_info": false, "self_contained": true, "certainty": "explicit"}