Move Config.toml.

README.md

@@ -65,7 +65,7 @@ QQ Group for communication: 30920262
 
 2.  After [downloading the model](https://huggingface.co/cgisky/RWKV-safetensors-fp16), place the model in the `assets/models/` path, for example, `assets/models/RWKV-4-World-0.4B-v1-20230529-ctx4096.st`
 
-3.  Optionally modify `Config.toml` for model configurations like model path, quantization layers, etc.
+3.  Optionally modify [`assets/Config.toml`](./assets/Config.toml) for model configurations like model path, quantization layers, etc.
 
 4.  Run in the command line
 
@@ -106,7 +106,7 @@ QQ Group for communication: 30920262
 
 ## 📝Supported Arguments
 
-*   `--model`: Model configure file path (default: `Config.toml`)
+*   `--config`: Configure file path (default: `assets/Config.toml`)
 *   `--tokenizer`: Tokenizer path
 *   `--port`: Running port
 *   `--adapter`: Adapter (GPU and backend) selection options: `Auto` and `Manual`
@@ -117,7 +117,7 @@ QQ Group for communication: 30920262
 The server listens on port 3000, loads the full-layer quantized (32 > 24) 0.4B model, and selects the high-performance adapter.
 
 ```bash
-$ cargo run --release -- --model Config.toml --port 3000 --adapter auto
+$ cargo run --release -- --model assets/Config.toml --port 3000 --adapter auto
 ```
 
 ## 📙Currently Available APIs

README_jp.md

@@ -53,7 +53,7 @@ OpenAIのChatGPT APIインターフェースと互換性があります。
 
 2.  [モデルをダウンロード](https://huggingface.co/cgisky/RWKV-safetensors-fp16)し、`assets/models/`パスに配置します。例：`assets/models/RWKV-4-World-0.4B-v1-20230529-ctx4096.st`
 
-3.  必要に応じて、モデルのパスや量子化レイヤーなどのモデル設定のために Config.toml を修正します。
+3.  必要に応じて、モデルのパスや量子化レイヤーなどのモデル設定のために [`assets/Config.toml`](./assets/Config.toml) を修正します。
 
 4.  コマンドラインで実行します
 
@@ -94,7 +94,7 @@ OpenAIのChatGPT APIインターフェースと互換性があります。
 
 ## 📝サポートされている起動パラメーター
 
-*   `--model`: モデル設定ファイルのパス（既定：`Config.toml`）
+*   `--config`: モデル設定ファイルのパス（既定：`assets/Config.toml`）
 *   `--tokenizer`: トークナイザーのパス
 *   `--port`: 実行ポート
 *   `--quant`: 量子化レイヤーの数を指定
@@ -106,7 +106,7 @@ OpenAIのChatGPT APIインターフェースと互換性があります。
 サーバーはポート3000でリッスンし、全レイヤー量子化（32 > 24）の0.4Bモデルをロードし、高性能アダプターの自動選択。
 
 ```bash
-$ cargo run --release -- --model Config.toml --port 3000 --adapter auto
+$ cargo run --release -- --model assets/Config.toml --port 3000 --adapter auto
 ```
 
 ## 📙現在利用可能なAPI

README_zh.md

@@ -59,7 +59,7 @@
 
 2. [下载模型](https://huggingface.co/cgisky/RWKV-safetensors-fp16)后把模型放在`assets/models/`路径，例如`assets/models/RWKV-4-World-0.4B-v1-20230529-ctx4096.st`
 
-3. 你可以修改`Config.toml`里面的模型配置，包括模型路径、量化层数等
+3. 你可以修改 [`assets/Config.toml`](./assets/Config.toml) 里面的模型配置，包括模型路径、量化层数等
 
 4. 在命令行运行
 
@@ -102,7 +102,7 @@
 
 
 ## 📝支持的启动参数
-- `--model`: 模型配置文件路径（默认`Config.toml`）
+- `--config`: 模型配置文件路径（默认`assets/Config.toml`）
 - `--tokenizer`: 词表路径
 - `--port`: 运行端口
 - `--adapter`: 适配器（GPU和后端）选择项：`Auto`、`Manual`
@@ -112,7 +112,7 @@
 
 服务器监听3000端口，加载全部层量化（32 > 24）的0.4B模型，自动选择高性能适配器。
 ```bash
-$ cargo run --release -- --model Config.toml --port 3000 --adapter auto
+$ cargo run --release -- --model assets/Config.toml --port 3000 --adapter auto
 ```
 
 

src/main.rs

@@ -605,7 +605,7 @@ struct Args {
     #[arg(long, short, value_name = "FILE")]
     tokenizer: Option<PathBuf>,
     #[arg(long, short, value_name = "FILE")]
-    model: Option<PathBuf>,
+    config: Option<PathBuf>,
     #[arg(long, short)]
     ip: Option<Ipv4Addr>,
     #[arg(long, short, default_value_t = 65530)]
@@ -648,10 +648,10 @@ async fn main() {
     let (sender, receiver) = flume::unbounded::<ThreadRequest>();
 
     {
-        let path = args.model.clone().unwrap_or("Config.toml".into());
-        log::info!("loading model config {}...", path.to_string_lossy());
+        let path = args.config.clone().unwrap_or("assets/Config.toml".into());
+        log::info!("reading config {}...", path.to_string_lossy());
 
-        let request = reload_request_from_config(path).expect("load model config failed");
+        let request = reload_request_from_config(path).expect("load config failed");
         let _ = sender.send(ThreadRequest::Reload(request));
     }