本项目旨在将“峰哥亡命天涯”的原始直播语音转录文本（ASR Transcripts）清洗、提纯、去重并重写，最终构建出高质量的大模型指令微调（SFT）和思维链（CoT）数据集。
本流水线包含 11 个核心处理步骤，通过规则过滤、统计学过滤、语义降噪以及大模型（LLM）深度重写等手段，将原始的五万多条粗糙问答，提纯为高逻辑密度、高“峰味”浓度的高质量训练集。
脚本: 01_punctuation_generate.py
输入/输出: 生成 01_punc_transcripts/ 目录
说明: 针对原始 ASR 语音识别出的无断句纯文本，利用模型恢复正确的标点符号，为后续的语义切分和 QA… See the full description on the dataset page:
https://huggingface.co/datasets/hzb29/Zhoulifeng-Streaming-Dataset.
