Merge remote changes

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

README.md

@@ -1,72 +1,28 @@
-# CardioAI - 心血管疾病智能辅助系统
+# zln_test1 - 基础工程化测试仓
 
 ## 项目概述
-本项目是一个多模块应用，集成了数据可视化(Streamlit)、机器学习预测(XGBoost/Flask)和AI语音问答(DeepSeek/cosyVoice)。
+本仓库最初用于验证 macOS M1 环境下的 Git 版本控制流程，后续将作为 **NLP 与大模型应用开发** 的基础工程化模板，重点实践代码版本管理、分支策略与远程协作。
 
-## 项目结构
-```
-.
-├── data/                          # 数据目录
-├── module1_dashboard/             # 模块1: 数据可视化仪表板(Streamlit)
-├── module2_predictor/             # 模块2: 机器学习预测器(Flask)
-│   └── templates/                 # Flask模板目录
-├── module3_voice_assistant/       # 模块3: AI语音问答系统
-│   └── templates/                 # 语音助手模板目录
-├── requirements.txt               # 项目依赖
-└── README.md                      # 项目说明
-```
+## 技术栈
+| 类别 | 工具/技术 |
+| :--- | :--- |
+| **版本控制** | Git (2.39.5) |
+| **开发环境** | macOS M1, Conda |
+| **核心方向** | NLP, RAG, 大模型工程化 |
 
-## 环境配置
-
-### 1. 创建Conda虚拟环境
-```bash
-conda create -n cardioenv python=3.10
-conda activate cardioenv
-```
-
-### 2. 安装依赖
-```bash
-pip install -r requirements.txt
-```
-
-### 3. 重要文件路径配置
-根据项目要求，以下文件路径需要在本地配置：
-- **数据文件**: `/Users/macbook/PycharmProjects/ai_code/data/心血管疾病.xlsx`
-- **配置文件**: `/Users/macbook/PycharmProjects/ai_code/.env`
-
-如果路径不存在，请创建相应目录和文件。
-
-## 模块说明
-
-### Module 1: 数据可视化仪表板
-- 技术栈: Streamlit + Plotly
-- 功能: 心血管疾病数据可视化分析
-- 位置: `module1_dashboard/`
-
-### Module 2: 机器学习预测器
-- 技术栈: Flask + XGBoost + scikit-learn
-- 功能: 心血管疾病风险预测模型
-- 位置: `module2_predictor/`
-
-### Module 3: AI语音问答系统
-- 技术栈: DeepSeek API + cosyVoice + Flask
-- 功能: 智能语音问答助手
-- 位置: `module3_voice_assistant/`
+## 工程化规范
+1. **分支策略**：`main` (生产分支)、`dev` (开发分支)、`feature/*` (功能分支)
+2. **提交规范**：`type(scope): message`
+   - 示例：`feat(init): 完成项目初始化与 README 编写`
+3. **用户配置**：已完成提交者身份标准化配置。
 
 ## 快速开始
-1. 按照"环境配置"步骤设置虚拟环境和安装依赖
-2. 将心血管疾病数据文件放置到指定路径
-3. 根据需要创建`.env`配置文件，包含API密钥等敏感信息
-4. 分别运行各模块进行开发测试
+```bash
+# 克隆仓库
+git clone http://82.156.249.211:3000/zln123/zln_test1.git
 
-## 依赖说明
-详细依赖见`requirements.txt`，主要包含：
-- 数据处理: pandas, numpy, openpyxl
-- 机器学习: scikit-learn, xgboost, joblib
-- 可视化: streamlit, plotly
-- Web框架: Flask
-- AI集成: langchain-openai, dashscope
-- 工具库: python-dotenv, requests
+# 进入目录
+cd zln_test1
 
-## 下一步
-各模块的具体实现代码需要根据项目需求进一步开发。
+# 创建功能分支
+git checkout -b feature/init-nlp