feat: 添加 LCCC 训练数据说明及相关文件，更新 .gitignore 以忽略大文件

corpus/lccc/README.md

@@ -0,0 +1,34 @@
+# LCCC 训练数据说明
+
+本目录 `corpus/lccc/` 存放 LCCC 中文对话语料相关的**训练数据**：
+
+> **数据来源**：本目录语料为从 HuggingFace 下载的中文对话语料（LCCC，大规模中文对话数据集），仅作本地训练使用。
+
+- `lccc_base_train.jsonl` / `lccc_base_train.jsonl.gz`：基础训练语料（对话数据）
+- `lccc_dialogues.txt`：对话文本导出
+
+数据处理脚本 `scripts/prepare_lccc.py` 位于仓库 `scripts/` 目录，属于代码，**正常纳入版本控制**。
+
+## 版本控制说明
+
+LCCC 训练数据为生成式语料、体积较大，**不纳入 git 提交 / 跟踪**。
+
+已通过 `git rm --cached` 取消跟踪（仅保留本地文件，不删除磁盘数据），并在仓库根 `.gitignore` 中追加了忽略条目。请勿将其提交到远程仓库。
+
+### 已从 git 移除的语料（体积大于 100MB）
+
+以下语料因单个文件体积超过 100MB，已从 git 跟踪中移除，仅保留在本地磁盘，不进入版本库 / 远程仓库：
+
+| 文件 | 体积 | 内容说明 |
+| --- | --- | --- |
+| `lccc_base_train.jsonl` | 约 872 MB | LCCC 基础训练语料（原始 JSONL 对话数据，未压缩） |
+| `lccc_base_train.jsonl.gz` | 约 353 MB | 上述语料的 gzip 压缩版本 |
+
+这两个文件已执行 `git rm --cached` 取消跟踪，并在仓库根 `.gitignore` 中显式忽略；全仓库扫描确认已无大于 100MB 的被跟踪文件。
+
+### 仍纳入版本控制的文件
+
+- `scripts/prepare_lccc.py`：数据处理脚本（位于仓库 `scripts/` 目录），正常跟踪。
+- 本说明文档 `README.md`。
+
+如需在本地使用训练语料，直接读取本目录下的 `lccc_base_train.jsonl` / `lccc_base_train.jsonl.gz` 文件即可。