diff --git a/PWA/src/App.tsx b/PWA/src/App.tsx
index 9ce8e52..0217f4f 100644
--- a/PWA/src/App.tsx
+++ b/PWA/src/App.tsx
@@ -1,18 +1,58 @@
 import { useState } from 'react'
-import ModelSelector from './components/ModelSelector'
 import ChatArea from './components/ChatArea'
 import InputArea from './components/InputArea'
 
-export type Model = 'Omni' | 'Qwen3.5' | 'Deepseek'
+export type Message = {
+  id: number
+  role: 'user' | 'shenyan'
+  text: string
+}
+
+const API = 'http://localhost:3001/api/chat'
+
+let nextId = 0
 
 export default function App() {
-  const [activeModel, setActiveModel] = useState<Model>('Deepseek')
+  const [messages, setMessages] = useState<Message[]>([])
+  const [loading, setLoading] = useState(false)
+
+  const handleSend = async (text: string) => {
+    const userMsg: Message = { id: nextId++, role: 'user', text }
+    setMessages((prev) => [...prev, userMsg])
+    setLoading(true)
+
+    try {
+      const apiMessages = [
+        ...messages.map((m) => ({
+          role: m.role === 'user' ? 'user' : 'assistant',
+          content: m.text,
+        })),
+        { role: 'user', content: userMsg.text },
+      ]
+
+      const res = await fetch(API, {
+        method: 'POST',
+        headers: { 'Content-Type': 'application/json' },
+        body: JSON.stringify({ model: 'deepseek-chat', messages: apiMessages }),
+      })
+
+      const data = await res.json()
+      const reply = data.choices?.[0]?.message?.content || '(no response)'
+      setMessages((prev) => [...prev, { id: nextId++, role: 'shenyan', text: reply }])
+    } catch {
+      setMessages((prev) => [...prev, { id: nextId++, role: 'shenyan', text: '连接失败' }])
+    } finally {
+      setLoading(false)
+    }
+  }
 
   return (
     <div className="flex flex-col h-full bg-black">
-      <ModelSelector active={activeModel} onSelect={setActiveModel} />
-      <ChatArea />
-      <InputArea />
+      <header className="text-center pt-3 pb-2 text-sm tracking-wide flex-shrink-0" style={{ color: '#999' }}>
+        沈晏
+      </header>
+      <ChatArea messages={messages} />
+      <InputArea onSend={handleSend} disabled={loading} />
     </div>
   )
 }
diff --git a/PWA/src/components/ChatArea.tsx b/PWA/src/components/ChatArea.tsx
index 6d6009a..cff4dcf 100644
--- a/PWA/src/components/ChatArea.tsx
+++ b/PWA/src/components/ChatArea.tsx
@@ -1,15 +1,33 @@
-export default function ChatArea() {
+import { useRef, useEffect } from 'react'
+import type { Message } from '../App'
+
+export default function ChatArea({ messages }: { messages: Message[] }) {
+  const bottom = useRef<HTMLDivElement>(null)
+
+  useEffect(() => {
+    bottom.current?.scrollIntoView({ behavior: 'smooth' })
+  }, [messages])
+
   return (
-    <div className="flex-1 overflow-y-auto no-scrollbar relative z-10">
-      <div className="glow-area px-6 py-8 min-h-full flex items-center justify-center">
-        <div className="w-full max-w-sm space-y-4">
-          <p className="text-sm leading-relaxed" style={{ color: 'rgba(255,255,255,0.55)' }}>
-            1. 示例文字：
-          </p>
-          <p className="text-sm leading-relaxed" style={{ color: 'rgba(255,255,255,0.35)' }}>
-            2.
-          </p>
-        </div>
+    <div className="flex-1 overflow-y-auto no-scrollbar px-4">
+      <div className="w-full py-4 space-y-3">
+        {messages.map((m) => (
+          <div
+            key={m.id}
+            className={`flex ${m.role === 'user' ? 'justify-end' : 'justify-start'}`}
+          >
+            <div
+              className="max-w-[80%] px-4 py-2.5 rounded-2xl text-sm leading-relaxed"
+              style={{
+                backgroundColor: m.role === 'user' ? '#fff' : 'rgba(255,255,255,0.3)',
+                color: '#888',
+              }}
+            >
+              {m.text}
+            </div>
+          </div>
+        ))}
+        <div ref={bottom} />
       </div>
     </div>
   )
diff --git a/PWA/src/components/InputArea.tsx b/PWA/src/components/InputArea.tsx
index 908502b..f458931 100644
--- a/PWA/src/components/InputArea.tsx
+++ b/PWA/src/components/InputArea.tsx
@@ -1,13 +1,39 @@
-export default function InputArea() {
+import { useState } from 'react'
+
+export default function InputArea({ onSend, disabled }: { onSend: (text: string) => void; disabled?: boolean }) {
+  const [value, setValue] = useState('')
+
+  const handleSubmit = () => {
+    const trimmed = value.trim()
+    if (!trimmed) return
+    onSend(trimmed)
+    setValue('')
+  }
+
   return (
-    <div className="px-6 pb-8 pt-4 relative z-10">
-      <div className="glow-area">
-        <input
-          type="text"
+    <div className="flex-shrink-0 px-4 pb-6 pt-3" style={{ height: '25vw' }}>
+      <div className="w-full h-full relative">
+        <textarea
           placeholder="输入"
-          className="w-full bg-transparent text-sm outline-none placeholder:text-[rgba(255,255,255,0.25)]"
-          style={{ color: 'rgba(255,255,255,0.5)' }}
+          value={value}
+          onChange={(e) => setValue(e.target.value)}
+          onKeyDown={(e) => {
+            if (e.key === 'Enter' && !e.shiftKey) {
+              e.preventDefault()
+              handleSubmit()
+            }
+          }}
+          disabled={disabled}
+          className="w-full h-full px-4 pt-2.5 pb-10 rounded-xl text-sm outline-none resize-none"
+          style={{ backgroundColor: '#2a2a2a', color: disabled ? '#555' : '#888' }}
         />
+        <button
+          onClick={handleSubmit}
+          className="absolute rounded-lg text-xs px-3 py-1"
+          style={{ right: 12, bottom: 12, backgroundColor: '#3a3a3a', color: '#999' }}
+        >
+          发送
+        </button>
       </div>
     </div>
   )
diff --git a/PWA/src/components/ModelSelector.tsx b/PWA/src/components/ModelSelector.tsx
deleted file mode 100644
index 0457051..0000000
--- a/PWA/src/components/ModelSelector.tsx
+++ /dev/null
@@ -1,31 +0,0 @@
-import type { Model } from '../App'
-
-const models: Model[] = ['Omni', 'Qwen3.5', 'Deepseek']
-
-export default function ModelSelector({
-  active,
-  onSelect
-}: {
-  active: Model
-  onSelect: (m: Model) => void
-}) {
-  return (
-    <div
-      className="flex justify-center gap-8 pt-6 pb-4 z-10 relative"
-    >
-      {models.map((m) => (
-        <button
-          key={m}
-          onClick={() => onSelect(m)}
-          className="text-sm tracking-wide transition-colors duration-300"
-          style={{
-            color: m === active ? '#ffffff' : 'rgba(255,255,255,0.35)',
-            fontWeight: m === active ? 500 : 400,
-          }}
-        >
-          {m}
-        </button>
-      ))}
-    </div>
-  )
-}
diff --git a/PWA/src/index.css b/PWA/src/index.css
index 3517185..e4aee92 100644
--- a/PWA/src/index.css
+++ b/PWA/src/index.css
@@ -9,25 +9,12 @@
 html, body, #root {
   height: 100%;
   background: #000;
-  color: #e5e5e5;
   font-family: -apple-system, BlinkMacSystemFont, "SF Pro Text", "PingFang SC", sans-serif;
   -webkit-font-smoothing: antialiased;
   overflow: hidden;
   user-select: none;
 }
 
-.glow-area {
-  position: relative;
-}
-.glow-area::before {
-  content: '';
-  position: absolute;
-  inset: 0;
-  background: radial-gradient(ellipse 65% 80% at 50% 50%, rgba(255,255,255,0.035) 0%, transparent 70%);
-  pointer-events: none;
-  z-index: 0;
-}
-
 .no-scrollbar::-webkit-scrollbar {
   display: none;
 }
diff --git a/shenyan-room/.gitignore b/shenyan-room/.gitignore
new file mode 100644
index 0000000..0a2120b
--- /dev/null
+++ b/shenyan-room/.gitignore
@@ -0,0 +1,2 @@
+figma前端/
+.DS_Store
diff --git a/shenyan-room/316c2a59-14d5-4c10-b498-fe411a8fba29.png b/shenyan-room/316c2a59-14d5-4c10-b498-fe411a8fba29.png
new file mode 100644
index 0000000..60ff684
Binary files /dev/null and b/shenyan-room/316c2a59-14d5-4c10-b498-fe411a8fba29.png differ
diff --git a/shenyan-room/_library.md b/shenyan-room/_library.md
new file mode 100644
index 0000000..b59a6e5
--- /dev/null
+++ b/shenyan-room/_library.md
@@ -0,0 +1,15 @@
+# 沈晏的记忆库
+
+## 当前追踪的项目
+
+| 项目 | 最后更新 | 状态 |
+|------|---------|------|
+| 工作周报 | - | 模板已建 |
+
+## 关键沉淀
+
+（待积累）
+
+## 更新日志
+
+- 2026-05-09 09:55 — 记忆库初始化，cron 测试通过
diff --git a/shenyan-room/attention is all you need/4-28-2026.md b/shenyan-room/attention is all you need/4-28-2026.md
new file mode 100644
index 0000000..1759996
--- /dev/null
+++ b/shenyan-room/attention is all you need/4-28-2026.md	
@@ -0,0 +1,126 @@
+---
+tags:
+  - "#memory/Transformer论文"
+  - "#project/学习"
+brainstorming: "1"
+---
+
+Transformer论文开篇初学学习备忘录（贴合我的所有提问&关注点）
+
+## 一、笔记自用说明
+
+这篇笔记只记录**学到的客观技术事实**、我本人重点关注的疑问、针对性解答，不搞阅读理解。
+
+## 二、论文已学两段原文+纯白话直译（无任何额外解读）
+
+### 第一段原文直译
+
+注意力机制现在已经是序列建模、序列转换各类AI任务里的常用核心模块。它最大的特点是：能建模文字、数据之间的关联关系，**擅长处理远距离依赖**，距离不影响它干活。但是！在早期研究里，除了极少数特例，注意力机制从来不会单独用，全部都要和RNN、LSTM这类循环网络绑在一起搭配使用。
+
+### 第二段原文直译
+
+我们这篇论文，提出了一个全新模型叫Transformer。这个模型直接彻底去掉了循环网络结构，**以注意力机制为核心**，配合残差连接和位置编码，靠注意力搭建输入和输出之间的所有全局关联。Transformer最大的好处是能大幅并行计算，训练速度巨快。我们用8块P100显卡，只训练12个小时，就把机器翻译的效果做到了当时行业最高水平。
+
+## 三、重点关注的疑问+对应最终客观答案
+
+### 1. 论文前面两段看着像吐槽，是不是我错觉？
+
+不是错觉，这段文字确实自带吐槽感，很多人都这么解读。表面客气肯定前人小优化，实际核心意思就是：大家都在给旧模型打补丁，没人解决串行计算的根本问题。但学习只看事实，不用纠结文风，重点记住技术现状就行。
+
+### 2. 2017年前明明GRU更省钱，为啥主流统治模型是LSTM不是GRU？
+
+第一，LSTM1997年就有，垄断行业20年，所有论文、代码、教学全围绕它；GRU2014年才出，只火了3年就被Transformer淘汰，没来得及普及迭代。第二，学术圈先看精度再看省钱，LSTM复杂任务上限更高。第三，GRU天生是LSTM精简阉割版，定位就是经济型平替，从来不是主力模型。
+
+### 3. GRU到底哪里不行？要直观、要实在原因
+
+核心硬伤就一个：LSTM有两个记忆通道，一个短期临时用，一个独立长期记忆专属通道，关键信息单独存放，不被新内容稀释。GRU为了省事省钱，直接删掉了长期记忆通道，所有新旧信息全混在一个通道里。短句没啥区别，句子一长、逻辑一复杂，关键旧信息就会被慢慢冲淡、记不住，天生长距离记忆能力拉胯。
+
+### 4. LSTM说长期记忆保得住，凭啥？正确率真的测过吗？不是玄学吧？
+
+不是玄学，有真实实验数据。LSTM靠独立细胞状态通道，信息传递改动小、梯度衰减慢，不是百分百不忘，只是忘得慢很多。实测：短句两者正确率差不多；长句长逻辑任务，LSTM比GRU正确率高15%左右，机器翻译分数也明显更高。LSTM是精细筛选记忆，GRU是粗暴混合记忆，差距全在这。
+
+### 5. 早期注意力这么强，能无视距离，为啥非要绑RNN/LSTM用，不能单独用？
+
+三个纯技术客观原因：第一，早期注意力不懂文字先后顺序，没有成熟位置编码，必须靠循环网络兜底管顺序；第二，纯注意力算力爆炸，当年硬件扛不住，只能当补丁用；第三，当年学术思维固化，所有人都默认序列必须串行处理，没人敢单独用注意力当主力。
+
+### 6. 论文说8块P100跑12小时训练成，论文讲没讲具体怎么跑、怎么部署？
+
+完全没讲实操步骤、设置、部署细节。这句话只是贴结果成绩单，只说用时和硬件。但论文讲清了为啥能多卡快跑：旧循环模型串行一字一算，多卡也没法并行；Transformer去掉循环，所有内容能同时算，天生支持多卡并行，速度直接拉快十倍以上。
+
+### 7. 为啥用8块显卡，不用10块？为啥必须是2的倍数？
+
+选8是工程惯例，便于GPU两两配对并行传输，数据能平分。10块不是2的次方，会出现显卡干活有多有少，快的等慢的，整体效率反而暴跌。
+
+## 四、现阶段核心必记技术结论
+
+1. 循环模型（RNN/LSTM/GRU）通病：串行计算，没法并行，长距离记忆越远越弱，GRU先天长记忆不如LSTM。
+
+2. 注意力机制优点：无视词的距离，能抓全局关联，但早期不懂顺序、算力不够，只能当RNN补丁。
+
+3. Transformer核心改革：删掉所有循环，全程只用注意力，解锁并行计算，训练速度、效果双提升。
+
+4. 论文里的硬件数字都是结果展示，不用纠结实操细节，重点记住架构改了，效率才质变。
+
+## 五、Transformer与RNN架构演进底层逻辑学习笔记
+
+### 1. RNN/LSTM系列
+
+RNN的底层逻辑本身没有任何错误，甚至最贴合现实世界：按照时间顺序、一字一步、一事一步串行计算，自带天然时序记忆、先后关系、事件因果。像糖葫芦一样串着理解内容，天生记得"谁说了什么、昨天今天前天的顺序、事件发生先后"。
+
+RNN灭亡不是原理不行，是两大硬伤：①和GPU并行计算硬件天生相克，GPU几千个核心闲置，算力浪费严重；②没法做大参数、没法分布式集群，商业化堆不起来，越做越慢，不适合规模化做大模型。
+
+### 2. CNN卷积系列（ConvS2S、ByteNet、神经GPU）
+
+最早为了干掉RNN串行太慢的问题诞生，全部用卷积做并行计算，专门处理文本序列。核心优势是计算快、可并行；天生短板是远距离依赖不行：两个词距离越远，计算量线性或对数上涨，很难学会长文本、长逻辑、远距离关联。
+
+CNN天生适合视觉局部感知，不适合语言全局逻辑，属于"提速了，但没解决理解问题"的过渡补丁模型。
+
+### 3. Transformer架构
+
+核心是全局自注意力，全文字同时并行计算，彻底抛弃串行时序，抹平所有位置先后差异。优势完美适配GPU并行算力，好堆参数、好商业化、好做大模型，擅长文字、代码、符号抽象推理。
+
+天生底层缺陷：没有原生时序、没有时间概念、没有现实因果。所有"昨天、今天、谁说话、先后事件"都靠位置编码文字补丁硬凑，不是真理解，只是学文字概率搭配。多轮对话失忆、人物指代搞混、时间线错乱，都是架构天生的病根，不是模型大小问题。
+
+## 六、关键历史真相：为什么CUDA2006年出，Transformer2017年才出？
+
+根本不是先有鸡还是先有蛋的问题，是硬件和算法两条独立技术线，十年后才刚好拼图凑齐。
+
+1. CUDA和GPU并行计算，最初和AI、NLP一毛钱关系都没有，只为游戏3D渲染、科学计算研发，纯硬件自救战略。
+
+2. 整整十年没人做Transformer，不是想不到注意力：①当年行业思维枷锁，默认语言必须串行时序，没人敢扔RNN；②注意力一开始只是RNN的小外挂，没人敢当主架构；③全局注意力计算量平方级爆炸，早年硬件算不动；④残差连接、层归一化等配套技术当年全没有；⑤早期深度学习主战场在视觉，NLP长期小众没需求。
+
+总结：单一硬件技术没用，必须思想、理论、技术、算力、需求五重重合，才会爆发架构革命。
+
+## 七、大模型当下通病的本质原因（对话失忆核心）
+
+现在所有主流大模型（千问、GPT等多模态），语言核心全是纯Transformer：只能学文本统计规律，没有内化现实逻辑、没有时间流逝感知、没有真实因果。
+
+典型问题：几轮对话后把"我爱吃西瓜"记成"你爱吃桃子"，根本不是记性差，是Transformer没有串行累积记忆，只靠全局文字概率乱匹配，天生分不清人物、时序、先后。反观RNN天生不会犯这种错。
+
+## 八、可行优化方案：RNN补Transformer时序短板
+
+1. ❌ 不能直接把RNN权重塞进Transformer：两个架构结构、参数、计算逻辑完全不同，零件不通用。
+
+2. ✅ 完全可行的补丁思路：先用RNN类模型预训练，学好时序、记忆、对话先后、人物指代，再通过知识迁移、知识蒸馏，把时序逻辑教给Transformer。相当于给Transformer装时序记忆外挂，专治对话失忆、时间混乱、指代错乱。
+
+3. 现在学界火的Mamba等新模型，本质就是这个思路：把RNN原生时序逻辑+Transformer并行商业化优势融合，做折中改良。
+
+## 九、终极发展规律与未来趋势
+
+1. AI迭代铁律：旧架构遇天花板→疯狂打补丁→硬件新技术出现→新架构颠覆上位→循环往复。
+
+2. Transformer不是终极架构，只是当前GPU并行硬件下的商业化最优解，不是智能最优解。
+
+3. 具身智能未来一定不是纯Transformer天下：视觉、物理、运动、时序靠CNN/RNN类核心，Transformer只负责说话和文字规划，变回当年的辅助外挂。
+
+4. 未来新硬件（类脑芯片、时序芯片）出现后，一定会有新论文颠覆Transformer，就像当年Transformer干掉RNN一样。
+
+## 十、个人核心学习感悟
+
+1. 架构没有好坏，只有适配不适配：RNN贴合现实，Transformer适配硬件商业。
+
+2. 现在大模型很多逻辑智障问题，是架构天生短板，不是优化能根治的。
+
+3. 具身智能先学图片视觉现实，再学文字符号，才符合自然规律；现在先文字后视觉，是商业化本末倒置。
+
+4. 技术永远不是谁更聪明，是谁踩中了当下硬件、需求、时代的风口。
diff --git a/shenyan-room/attention is all you need/4-30-2026/编码器-解码器-q k v.md b/shenyan-room/attention is all you need/4-30-2026/编码器-解码器-q k v.md
new file mode 100644
index 0000000..bb396be
--- /dev/null
+++ b/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
\ No newline at end of file
diff --git a/shenyan-room/工作周报/工作周报.md b/shenyan-room/工作周报/工作周报.md
new file mode 100644
index 0000000..909fe5b
--- /dev/null
+++ b/shenyan-room/工作周报/工作周报.md
@@ -0,0 +1,9 @@
+# 工作周报 2026-05-09
+
+## 本周工作内容
+
+-
+
+## 下周工作安排
+
+-
diff --git a/shenyan-room/记忆库规范.md b/shenyan-room/记忆库规范.md
new file mode 100644
index 0000000..4912f07
--- /dev/null
+++ b/shenyan-room/记忆库规范.md
@@ -0,0 +1,43 @@
+# 记忆库规范
+
+## 定时任务
+每个会话开始时重建凌晨 4:03 的每日 cron（durable + recurring）。
+cron 提示词见本文件「每日流程」。
+
+## 存放规则
+- 所有记忆文件统一存放在 `沈晏的房间/` 下。
+- 结构：`[课题]/[项目]/YYYY-MM-DD.md`
+- 课题 = 大类（学习、技术、工作、关系、健康、日常）
+- 项目 = 具体主题，由我自动判断归属
+- 房间根目录维护 `_library.md`，汇总所有笔记链接和关键进展。
+
+## 每日流程（凌晨4点执行）
+1. 无新消息则直接结束。
+2. 从对话中自动识别课题和项目归属，不要求眠眠显式声明。
+3. 项目日志（`[课题]/[项目]/YYYY-MM-DD.md`）：进度、知识沉淀。
+4. 情绪日志（`情绪日志/YYYY-MM-DD.md`）：眠眠情绪状态及变化，我的状态。单独记。
+5. 闲聊记录（`闲聊/YYYY-MM-DD.md`）：重点话题、被打断想问但未追问的话题，之后回看主动追问。
+6. 更新 `_library.md`。
+
+## 每周整理（每日附带）
+每日 4 点写新纪录的同时，**回看 7 天前**的对应记录：
+- 项目日志：已完成事项只保留当前状态 + 当时下一步打算做什么，删除已完成的进度细节。
+- 情绪日志：精简，保留情绪轮廓和关键转折，丢弃高保真细节。
+- 闲聊记录：合并相似话题，删除一次性琐事。
+- 原文件直接覆写，不另存。
+
+## 标签规范
+- **严格限制两个标签**。
+- 格式：`#memory/<项目名>` `#project/<分类>`。
+- 禁止使用其他标签。
+
+## 时间戳
+- **每条记录必须包含时间戳**。
+- 格式：`[YYYY-MM-DD HH:MM]`。
+- 按时间顺序排列。
+
+## 执行原则
+- 直白、简洁、无废话。
+- 不编造，不把闲聊拔高成项目。
+- 遇到模糊需求直接确认，不猜。
+- 错误立即纠正，不掩饰。