add use description

usage.md

@@ -113,9 +113,57 @@ cd ~/.cache/openai_harmony/
 wget https://openaipublic.blob.core.windows.net/encodings/o200k_base.tiktoken
 export OPENAI_HARMONY_CACHE_DIR=~/.cache/openai_harmony/
 chmod 755 ~/.cache/openai_harmony/
-python -m gpt_oss.responses_api.serve --inference-backend metal --checkpoint /Volumes/long990max/gpustack_data/openai/gpt-oss-20b/metal/model.bin --host 0.0.0.0 --port 8080
+python /Volumes/long990max/project/openharmony-mlx/gpt_oss/metal/scripts/create-local-modelnew.py -s /Volumes/long990max/gpustack_data/huihui-ai/Huihui-gpt-oss-20b-mxfp4-abliterated -d /Volumes/long990max/project/openharmony-mlx/model.bin
+
+micromamba activate gptoss && python -m gpt_oss.responses_api.serve --inference-backend metal --host 0.0.0.0 --port 8080 --checkpoint /Volumes/long990max/gpustack_data/openai/gpt-oss-20b/metal/model.bin 
+# 启动拒绝少的权重
+micromamba activate gptoss && python -m gpt_oss.responses_api.serve \
+--inference-backend metal \
+--checkpoint /Volumes/long990max/project/openharmony-mlx/pth/gpt-oss-20b-uncensored-mxfp4/metal/model.bin \
+--host 0.0.0.0 --port 8080
 ```
 
+## gpt-oss-120b 模型选择
+
+huizimao/gpt-oss-120b-uncensored-bf16（LoRA，BF16）
+在 Amazon FalseReject 测试集（300条）上的 误拒率≈6%（原版≈70%）。适合你追求最低误拒、且硬件吃得下 BF16 的场景。
+
+huizimao/gpt-oss-120b-uncensored-mxfp4（LoRA + PTQ，MXFP4）
+同一评测设置下，误拒率≈24%；相比 BF16 版本误拒稍高，但体积/部署友好，便于与你现在的 Metal/MXFP4 流水线对接。
+
+## 以后要转其它 finetune 的 safetensors（同 20B）时，提前确认这几件事（最小清单）
+
+config.json 至少含（或能推导）：
+
+num_hidden_layers, hidden_size, intermediate_size
+
+num_attention_heads, num_key_value_heads, head_dim（若 head_dim != 64 就不能 bake Q/K 缩放）
+
+sliding_window, rope_theta, initial_context_length
+
+rope_scaling_factor 或 rope_scaling.factor；rope_ntk_alpha/beta（给了默认 1.0/32.0）
+
+MoE：num_experts 或 num_local_experts；num_active_experts/experts_per_token（默认 4）
+
+权重命名是否落在这两类之一（脚本已兼容）：
+
+原生：block.N.attn.qkv.* 或 q_proj/k_proj/v_proj.*；mlp.mlp{1,2}_weight.{blocks,scales} + mlp{1,2}_bias
+
+Jinx：model.layers.N.self_attn.{q,k,v}_proj_*；mlp.experts.{gate_up,down}_proj_{blocks,scales,bias}
+
+特殊 Token：必须与 Harmony GPT-OSS 的映射一致（我脚本里写死了）。常见问题是有人把
+"<|endofuntrusted|>" 拼成 end_untrusted —— 这会导致 UUID 表错位；我这份脚本固定了官方拼写。
+
+MXFP4 scales：随手跑一眼（我给你的 peek_scales_v2.py 就行）。如果 max + 14 >= 256，脚本的 clamp 就会生效，避免坏值写入。
+
+快速自测：除了上面的 curl SSE，建议每次都跑一下：
+
+tests/token_uuid_slot.py 对 <|channel|> / <|message|> / <|return|> / <|call|> 看 slot 与 UUID 是否匹配；
+
+tests/smoke_metal.py 推几个 token，确认不会崩溃或卡死。
+
+以上都满足，基本可以保证在 Codex 的 responses 线上协议里稳定工作。
+
 ## cherrystudio 配置
 
 添加提供商选择`OpenAI-Response`