diff --git a/README.md b/README.md
index e73fd04..7a8e63b 100644
--- a/README.md
+++ b/README.md
@@ -1,233 +1,202 @@
-# VOC LLM 结构化分析 (VOC_LLM结构化)
-
-> 基于大语言模型（通义千问 / DashScope）的亚马逊 VOC（Voice of Customer）评论分析流水线：合并 CSV → 清洗 → LLM 结构化 → 向量化 → 聚类与词频 → 生成 HTML 分析报告。
-
-## 📖 目录
-
-- [核心特性](#-核心特性)
-- [环境要求](#-环境要求)
-- [安装指南](#-安装指南)
-- [使用说明](#-使用说明)
-- [示例与输出](#-示例与输出)
-- [项目结构](#-项目结构)
-- [常见问题](#-常见问题)
-- [参与贡献](#-参与贡献)
-- [开源协议](#-开源协议)
-- [联系方式与鸣谢](#-联系方式与鸣谢)
-
-## ✨ 核心特性
-
-- **七步全流程编排** — `main_voc分析.py` 一键串联：合并、清洗、结构化、向量化、聚类、词频、HTML 报告
-- **断点续跑** — 支持 `--from-step` / `--only-step`，从任意步骤恢复，调试时节省 API 成本
-- **LLM 结构化提取** — 从评论中抽取受众、痛点、方面、观点、情感等字段（`prompts/schema.yaml` 可配置）
-- **语义聚类** — UMAP + HDBSCAN 多阶段聚类，辅以 LLM 评估簇质量自动调参
-- **词频分析** — LLM 归纳专有名词 + spaCy 全量词频统计，报告内嵌词云与六类归类
-- **可编辑 Prompt** — `prompts/` 目录下 Markdown / YAML 热加载，产品运营可直接改话术（见 `prompts/README.md`）
-- **并行加速** — 聚类与词频在步骤 5–6 由线程池并行执行
-
-## 🛠 环境要求
-
-| 依赖 | 说明 |
-|------|------|
-| Python | >= 3.10（推荐 3.10+） |
-| pip / venv | 安装 `requirements.txt` 中的包 |
-| spaCy 英文模型 | `python -m spacy download en_core_web_sm`（词频步骤必需） |
-| 阿里云 DashScope API Key | 结构化、向量化、聚类评估、词频、报告等步骤均需调用 |
-
-**API Key 配置方式**（任选其一，勿提交到 Git）：
-
-1. 环境变量 `DASHSCOPE_API_KEY`
-2. 环境变量 `DASHSCOPE_API_KEY_FILE` 指向单行密钥文件
-3. 项目根目录 `.dashscope_key`（单行，无引号）
-
-可选：`DASHSCOPE_MODEL`（默认 `qwen3.6-flash`）。
-
-## 📦 安装指南
-
-1. 克隆项目到本地：
-
-```bash
-git clone <你的仓库地址>
-cd VOC_LLM结构化
-```
-
-2. 创建虚拟环境并安装依赖（可选但推荐）：
-
-```bash
-python3 -m venv 310py
-source 310py/bin/activate   # Windows: 310py\Scripts\activate
-pip install -r requirements.txt
-python -m spacy download en_core_web_sm
-```
-
-3. 配置 API Key：
-
-```bash
-export DASHSCOPE_API_KEY="sk-xxx"
-# 或在项目根创建 .dashscope_key（已被 .gitignore 忽略）
-```
-
-4. 准备原始评论 CSV 目录（目录内所有 `*.csv` 表头须一致），例如亚马逊导出的 `*_realtime.csv`。
-
-## 🚀 使用说明
-
-### 全流程分析
-
-```bash
-python3 main_voc分析.py \
-  --input-dir "reviews_export" \
-  --product "cat deterrent indoor" \
-  --industry "Pet Supplies"
-```
-
-- `--input-dir`：原始 CSV 目录
-- `--product`：产品名（写入结构化任务与报告路径）
-- `--industry`：行业名，默认 `Pet Supplies`
-- `--keep-db`：保留已有结构化 `voc_*.sqlite`，不覆盖删除
-
-### 断点续跑
-
-```bash
-# 从向量化起续跑（步骤 4 起可省略 --product，自动读结构化库）
-python3 main_voc分析.py --from-step 4 --keep-db
-
-# 仅重跑词频（复用已有 voc_terms.json）
-python3 main_voc分析.py --from-step 6 --skip-wordfreq-llm
-
-# 仅重新生成 HTML 报告
-python3 main_voc分析.py --only-step 7
-```
-
-### 其他常用参数
-
-| 参数 | 说明 |
-|------|------|
-| `--clean-intermediates` | 报告成功后删除中间 csv/sqlite，减少内存占用 |
-| `--filter-small-clusters` | 报告仅保留簇内评论占比 ≥ 10% 的簇，仅当评论数量过万时启用 |
-| `--save-llm-raw` | 将报告 LLM 原文保存为 `report_llm_raw.txt`，调试时使用 |
-
-### 程序式调用
-
-```python
-from pathlib import Path
-from main_voc分析 import run_voc_analysis
-
-result = run_voc_analysis(
-    input_dir=Path("reviews_export"),
-    industry="Pet Supplies",
-    product_name="cat deterrent indoor",
-    from_step=1,
-    clean_databases=True,
-)
-print(result["report_html"])
-```
-
-### Prompt 验收（无需 API Key）
-
-```bash
-python3 prompts/smoke.py          # 检查 prompt 能否加载
-python3 prompts/smoke.py --live   # 联调模型（需 API Key）
-```
-
-### 可选变体：jieba 词频
-
-中文或需 jieba 分词时，可使用 `main_voc分析_jieba.py`（词频走 `词频_jieba.py`，其余步骤与主流程一致）。
-
----
-
-更详细的步骤说明、算法与 SQLite 约定见 **[main_voc分析.md](main_voc分析.md)**。
-
-## 📸 示例与输出
-
-流程结束后，主要产物如下：
-
-| 路径 | 说明 |
-|------|------|
-| `merged_reviews.csv` | 多文件合并结果 |
-| `merged_reviews_cleaned.csv` | 清洗、去重后的评论 |
-| `voc_structured.sqlite` | LLM 结构化结果 |
-| `voc_embeddings.sqlite` | 256 维向量 |
-| `voc_clustering.sqlite` | 多阶段聚类标签 |
-| `output/voc_terms.json` | 专有名词 / 停用词 |
-| `output/word_freq.csv` | 全量词频表 |
-| `output/{product}/{product}_voc_report.html` | **最终 VOC 分析报告**（词云、词频、分簇、AI 正文） |
-
-stdout 会打印 JSON 摘要（含 `report_html` 等键）。
-
-> 建议在 README 或文档中补充一张 `*_voc_report.html` 在浏览器中打开的截图，便于新成员快速理解交付物形态。
-
-## 📂 项目结构
-
-```text
-VOC_LLM结构化/
-├── main_voc分析.py          # 主流程编排入口（七步）
-├── main_voc分析_jieba.py    # 词频使用 jieba 的变体入口
-├── main_voc分析.md          # 流程与算法详细说明
-├── 合并评论数据.py          # 步骤 1：多 CSV 合并
-├── content清洗.py           # 步骤 2：评论清洗与去重
-├── 结构化_server.py         # 步骤 3：LLM 结构化入库
-├── 结构化_Prompt.py         # 结构化 prompt 组装
-├── 向量化.py                # 步骤 4：Embedding 入库
-├── 聚类.py                  # 步骤 5：UMAP + HDBSCAN
-├── 词频.py / 词频_jieba.py  # 步骤 6：术语提取 + 词频
-├── voc_report.py            # 步骤 7：HTML 报告生成
-├── prompts/                 # 可编辑 prompt、schema、配置
-│   ├── README.md
-│   ├── schema.yaml
-│   ├── extraction/ report/ word_freq/
-│   └── loader.py
-├── requirements.txt
-├── output/                  # 报告与词频输出（gitignore）
-└── README.md                # 本文件
-```
-
-## ❓ 常见问题
-
-**Q：提示缺少 `DASHSCOPE_API_KEY`？**  
-A：按上文配置环境变量或 `.dashscope_key`，并确认密钥未提交到仓库。
-
-**Q：步骤 4 报错找不到 `product`？**  
-A：从步骤 1–3 完整跑过，或确保 `voc_structured.sqlite` 中已有最新 job；步骤 4 起可省略 `--product`。
-
-**Q：词频步骤报 spaCy 模型缺失？**  
-A：执行 `python -m spacy download en_core_web_sm`。
-
-**Q：合并 CSV 失败？**  
-A：确保 `--input-dir` 下所有 CSV 表头完全一致。
-
-**Q：修改 LLM 话术后报告解析失败？**  
-A：勿修改 `prompts/schema.yaml` 中 `report.markers` 四段标记名；改完运行 `python3 prompts/smoke.py` 验收。
-
-## 🤝 参与贡献
-
-欢迎提交 Issue 与 Pull Request。建议流程：
-
-1. Fork 本仓库
-2. 创建特性分支：`git checkout -b feature/your-feature`
-3. 提交更改：`git commit -m '简要说明变更'`
-4. 推送并发起 Pull Request
-
-修改主流程或 CLI 时，请同步更新 `main_voc分析.md`；修改 `prompts/` 时请遵循 `prompts/README.md` 中的占位符与 schema 约定。
-
-**安全提醒**：勿提交 `.dashscope_key`、`.env`、真实评论 CSV、`*.sqlite` 及 `output/` 产物（见 `.gitignore`）。
-
-## 📄 开源协议
-
-本项目尚未在仓库中附带 `LICENSE` 文件。若为内部项目，请按组织规范使用；若计划开源，请补充协议文件（如 MIT）并更新本节链接。
-
-## ✉️ 联系方式与鸣谢
-
-- **详细技术文档**：[main_voc分析.md](main_voc分析.md)、[prompts/README.md](prompts/README.md)
-- **作者 / 维护者**：请在此填写团队或联系人
-- **项目仓库**：请在此填写 Git 远程地址
-
-### 鸣谢
-
-- [阿里云 DashScope / 通义千问](https://help.aliyun.com/zh/model-studio/) — Chat 与 Embedding API
-- [UMAP](https://umap-learn.readthedocs.io/)、[HDBSCAN](https://hdbscan.readthedocs.io/) — 聚类管线
-- [spaCy](https://spacy.io/) — 英文词频与 NLP
-- [Standard Readme](https://github.com/RichardLitt/standard-readme) — README 结构参考
-
----
-
-*README 与 `main_voc分析.py` 七步流程保持一致；深度说明请参阅 `main_voc分析.md`。*
+# VOC LLM 结构化分析 (VOC_LLM结构化)
+
+> 基于大语言模型（通义千问 / DashScope）的亚马逊 VOC（Voice of Customer）评论分析流水线：合并 CSV → 清洗 → LLM 结构化 → 向量化 → 聚类与词频 → 生成 HTML 分析报告。
+
+## 📖 目录
+
+- [核心特性](#-核心特性)
+- [环境要求](#-环境要求)
+- [安装指南](#-安装指南)
+- [使用说明](#-使用说明)
+- [示例与输出](#-示例与输出)
+- [项目结构](#-项目结构)
+- [常见问题](#-常见问题)
+
+
+## ✨ 核心特性
+
+- **七步全流程编排** — `main_voc分析.py` 一键串联：合并、清洗、结构化、向量化、聚类、词频、HTML 报告
+- **断点续跑** — 支持 `--from-step` / `--only-step`，从任意步骤恢复，调试时节省 API 成本
+- **LLM 结构化提取** — 从评论中抽取受众、痛点、方面、观点、情感等字段（`prompts/schema.yaml` 可配置）
+- **语义聚类** — UMAP + HDBSCAN 多阶段聚类，辅以 LLM 评估簇质量自动调参
+- **词频分析** — LLM 归纳专有名词 + spaCy 全量词频统计，报告内嵌词云与六类归类
+- **可编辑 Prompt** — `prompts/` 目录下 Markdown / YAML 热加载，产品运营可直接改话术（见 `prompts/README.md`）
+- **并行加速** — 聚类与词频在步骤 5–6 由线程池并行执行
+
+## 🛠 环境要求
+
+| 依赖 | 说明 |
+|------|------|
+| Python | >= 3.10（推荐 3.10+） |
+| pip / venv | 安装 `requirements.txt` 中的包 |
+| spaCy 英文模型 | `python -m spacy download en_core_web_sm`（词频步骤必需） |
+| 阿里云 DashScope API Key | 结构化、向量化、聚类评估、词频、报告等步骤均需调用 |
+
+**API Key 配置方式**（任选其一，勿提交到 Git）：
+
+1. 环境变量 `DASHSCOPE_API_KEY`
+2. 环境变量 `DASHSCOPE_API_KEY_FILE` 指向单行密钥文件
+3. 项目根目录 `.dashscope_key`（单行，无引号）
+
+可选：`DASHSCOPE_MODEL`（默认 `qwen3.6-flash`）。
+
+## 📦 安装指南
+
+1. 克隆项目到本地：
+
+```bash
+git clone <你的仓库地址>
+cd VOC_LLM结构化
+```
+
+2. 创建虚拟环境并安装依赖（可选但推荐）：
+
+```bash
+python3 -m venv 310py
+source 310py/bin/activate   # Windows: 310py\Scripts\activate
+pip install -r requirements.txt
+python -m spacy download en_core_web_sm
+```
+
+3. 配置 API Key：
+
+```bash
+export DASHSCOPE_API_KEY="sk-xxx"
+# 或在项目根创建 .dashscope_key（已被 .gitignore 忽略）
+```
+
+4. 准备原始评论 CSV 目录（目录内所有 `*.csv` 表头须一致），例如亚马逊导出的 `*_realtime.csv`。
+
+## 🚀 使用说明
+
+### 全流程分析
+
+```bash
+python3 main_voc分析.py \
+  --input-dir "reviews_export" \
+  --product "cat deterrent indoor" \
+  --industry "Pet Supplies"
+```
+
+- `--input-dir`：原始 CSV 目录
+- `--product`：产品名（写入结构化任务与报告路径）
+- `--industry`：行业名，默认 `Pet Supplies`
+- `--keep-db`：保留已有结构化 `voc_*.sqlite`，不覆盖删除
+
+### 断点续跑
+
+```bash
+# 从向量化起续跑（步骤 4 起可省略 --product，自动读结构化库）
+python3 main_voc分析.py --from-step 4 --keep-db
+
+# 仅重跑词频（复用已有 voc_terms.json）
+python3 main_voc分析.py --from-step 6 --skip-wordfreq-llm
+
+# 仅重新生成 HTML 报告
+python3 main_voc分析.py --only-step 7
+```
+
+### 其他常用参数
+
+| 参数 | 说明 |
+|------|------|
+| `--clean-intermediates` | 报告成功后删除中间 csv/sqlite，减少内存占用 |
+| `--filter-small-clusters` | 报告仅保留簇内评论占比 ≥ 10% 的簇，仅当评论数量过万时启用 |
+| `--save-llm-raw` | 将报告 LLM 原文保存为 `report_llm_raw.txt`，调试时使用 |
+
+### 程序式调用
+
+```python
+from pathlib import Path
+from main_voc分析 import run_voc_analysis
+
+result = run_voc_analysis(
+    input_dir=Path("reviews_export"),
+    industry="Pet Supplies",
+    product_name="cat deterrent indoor",
+    from_step=1,
+    clean_databases=True,
+)
+print(result["report_html"])
+```
+
+### Prompt 验收（无需 API Key）
+
+```bash
+python3 prompts/smoke.py          # 检查 prompt 能否加载
+python3 prompts/smoke.py --live   # 联调模型（需 API Key）
+```
+
+### 可选变体：jieba 词频
+
+中文或需 jieba 分词时，可使用 `main_voc分析_jieba.py`（词频走 `词频_jieba.py`，其余步骤与主流程一致）。
+
+---
+
+更详细的步骤说明、算法与 SQLite 约定见 **[main_voc分析.md](main_voc分析.md)**。
+
+## 📸 示例与输出
+
+流程结束后，主要产物如下：
+
+| 路径 | 说明 |
+|------|------|
+| `merged_reviews.csv` | 多文件合并结果 |
+| `merged_reviews_cleaned.csv` | 清洗、去重后的评论 |
+| `voc_structured.sqlite` | LLM 结构化结果 |
+| `voc_embeddings.sqlite` | 256 维向量 |
+| `voc_clustering.sqlite` | 多阶段聚类标签 |
+| `output/voc_terms.json` | 专有名词 / 停用词 |
+| `output/word_freq.csv` | 全量词频表 |
+| `output/{product}/{product}_voc_report.html` | **最终 VOC 分析报告**（词云、词频、分簇、AI 正文） |
+
+stdout 会打印 JSON 摘要（含 `report_html` 等键）。
+
+> 建议在 README 或文档中补充一张 `*_voc_report.html` 在浏览器中打开的截图，便于新成员快速理解交付物形态。
+
+## 📂 项目结构
+
+```text
+VOC_LLM结构化/
+├── main_voc分析.py          # 主流程编排入口（七步）
+├── main_voc分析_jieba.py    # 词频使用 jieba 的变体入口
+├── main_voc分析.md          # 流程与算法详细说明
+├── 合并评论数据.py          # 步骤 1：多 CSV 合并
+├── content清洗.py           # 步骤 2：评论清洗与去重
+├── 结构化_server.py         # 步骤 3：LLM 结构化入库
+├── 结构化_Prompt.py         # 结构化 prompt 组装
+├── 向量化.py                # 步骤 4：Embedding 入库
+├── 聚类.py                  # 步骤 5：UMAP + HDBSCAN
+├── 词频.py / 词频_jieba.py  # 步骤 6：术语提取 + 词频
+├── voc_report.py            # 步骤 7：HTML 报告生成
+├── prompts/                 # 可编辑 prompt、schema、配置
+│   ├── README.md
+│   ├── schema.yaml
+│   ├── extraction/ report/ word_freq/
+│   └── loader.py
+├── requirements.txt
+├── output/                  # 报告与词频输出（gitignore）
+└── README.md                # 本文件
+```
+
+## ❓ 常见问题
+
+**Q：提示缺少 `DASHSCOPE_API_KEY`？**  
+A：按上文配置环境变量或 `.dashscope_key`，并确认密钥未提交到仓库。
+
+**Q：步骤 4 报错找不到 `product`？**  
+A：从步骤 1–3 完整跑过，或确保 `voc_structured.sqlite` 中已有最新 job；步骤 4 起可省略 `--product`。
+
+**Q：词频步骤报 spaCy 模型缺失？**  
+A：执行 `python -m spacy download en_core_web_sm`。
+
+**Q：合并 CSV 失败？**  
+A：确保 `--input-dir` 下所有 CSV 表头完全一致。
+
+**Q：修改 LLM 话术后报告解析失败？**  
+A：勿修改 `prompts/schema.yaml` 中 `report.markers` 四段标记名；改完运行 `python3 prompts/smoke.py` 验收。
+
+
+---
+
+*README 与 `main_voc分析.py` 七步流程保持一致；深度说明请参阅 `main_voc分析.md`。*