拆分transformer.py为独立模块

按Transformer架构组件拆分：
- utils.py: 激活函数和掩码工具
- layers.py: 基础层（Linear, LayerNorm）
- attention.py: 多头注意力机制
- feedforward.py: 前馈网络
- block.py: Transformer编码器块
- model.py: SimpleTransformer模型
- inference.py: 推理引擎
- 删除旧的transformer.py文件

transformer/block.py

@@ -0,0 +1,42 @@
+"""
+Transformer块模块
+包含TransformerBlock类
+"""
+
+from .attention import MultiHeadAttention
+from .feedforward import FeedForward
+from .layers import LayerNorm
+
+
+class TransformerBlock:
+    """Transformer编码器块"""
+    def __init__(self, d_model, num_heads, d_ff):
+        # 多头自注意力层
+        self.attention = MultiHeadAttention(d_model, num_heads)
+        # 前馈网络层
+        self.feed_forward = FeedForward(d_model, d_ff)
+        # 两个层归一化
+        self.norm1 = LayerNorm(d_model)
+        self.norm2 = LayerNorm(d_model)
+        
+    def forward(self, x, mask=None, use_cache=False):
+        """
+        前向传播（残差连接 + 层归一化）
+        1. 自注意力 -> 残差连接 -> 层归一化
+        2. 前馈网络 -> 残差连接 -> 层归一化
+        x: 输入张量 [batch_size, seq_len, d_model]
+        mask: 注意力掩码
+        use_cache: 是否使用KV cache
+        """
+        # 自注意力子层（Q=K=V，自注意力）
+        attn_output = self.attention.forward(x, x, x, mask, use_cache=use_cache)
+        x = self.norm1.forward(x + attn_output)
+        
+        # 前馈网络子层
+        ff_output = self.feed_forward.forward(x)
+        x = self.norm2.forward(x + ff_output)
+        return x
+    
+    def clear_cache(self):
+        """清除该层的KV cache"""
+        self.attention.clear_cache()