docs: README 分层重构 — 主页精简到 150 行 + 6 个子文档

原 883 行单体 README 信息密度过高且重复（配置差异表出现 2 次、缓存说明
散落多处）。按主题拆分：

主页 README.md (150行):
- 一句话简介 + 功能特性(精简) + 架构(目录树+数据流) + 快速开始
- 文档索引表(链接到 6 个子文档,每行一句话说明)
- 入口地址表 + 依赖(精简)

docs/ 子文档(原样搬运,不重写):
- DEPLOYMENT.md (170行) CPU/GPU 部署、模型选型、CPU↔GPU 切换
- CONFIG.md     (187行) 配置差异表、完整字段表、配置示例
- DOCKER.md     (185行) 构建/重建/缓存分层/until根因/Volume
- API.md        (70行)  HTTP接口表、分片上传协议、示例
- ARCHITECTURE.md(140行) 断句算法、显存策略、GPU优化、缓存清理
- FAQ.md        (42行)  6 条常见问题

每个子文档顶部加「← 返回主页」链接,相关处加交叉引用
(如 DEPLOYMENT 提到缓存时链接 DOCKER.md)。无内容丢失。

docs/FAQ.md

@@ -0,0 +1,42 @@
+← [返回主页](../README.md)
+
+# 常见问题
+
+---
+
+### Q: CPU 开发机能跑 NLLB 吗？
+
+`config.cpu.yaml` 默认用 opus-mt-en-zh（~300MB），2GB 内存开发机即可跑通完整流程。
+若想在 CPU 上验证 NLLB 翻译质量，可手动改 `translation.model`：
+- `facebook/nllb-200-distilled-600M`（~1.2GB，同系列最小）——需 ≥4GB 内存，2GB 机会 OOM。
+- `facebook/nllb-200-distilled-1.3B`（~2.5GB，GPU 生产同款）——需 ~5GB 内存。
+
+生产环境（3090 24G）用 NLLB-1.3B 质量最好。
+
+### Q: 模型下载到哪里？每次启动都重下吗？
+
+模型缓存到 `/models` volume（`HF_HOME=/models/huggingface`、`CT2_CACHE=/models/ctranslate2`）。
+首次启动下载，之后跨容器复用秒起。删除 `./models` 目录会强制重下。
+
+### Q: 上传大视频中断了怎么办？
+
+分片上传支持断点续传。重新上传同一文件时，前端先调 `status` 接口查已传分片，只补传缺失的。
+分片可乱序、可重传覆盖。
+
+### Q: 怎么保留原始视频不删？
+
+把 `config.yaml` 的 `processing.delete_original_after_extract` 改为 `false`。
+注意：保留的视频仍受缓存清理策略约束——任务超期（默认 7 天）后会被 `cache_cleaner`
+连同字幕一起删除。想永久保留请把 `storage.cache_retention_days` 设为 `0`（禁用清理）。
+
+### Q: 字幕 / 任务记录多久会被自动清理？能禁用吗？
+
+默认保留 7 天（`storage.cache_retention_days`）。超期任务的字幕、中间音频、保留的原始
+视频连同 DB 记录一并删除，启动时跑一次 + 每 `cache_cleanup_interval_hours`（默认 24h）
+循环一次。设 `cache_retention_days: 0` 可禁用自动清理（产物永久保留，需自行管理磁盘）。
+手动触发：`docker exec audio2text python -m app.services.cache_cleaner`。
+
+### Q: GPU 镜像构建好了但 start.sh 还是用 CPU？
+
+`start.sh` 检测到 `audio2text:gpu` 镜像**且**本机有 `nvidia-smi` 才用 GPU。确认宿主装了
+NVIDIA 驱动 + nvidia container runtime。也可用 `docker compose --profile gpu up -d` 显式启动。