diff --git a/profiler/cluster_analyse/cluster_kernels_analysis/README.md b/profiler/cluster_analyse/cluster_kernels_analysis/README.md
index 15b051d5c100280a01e631716785005b9e696af0..f90f99fb9b3058d5ad67728b45da1c07f03e65e5 100644
--- a/profiler/cluster_analyse/cluster_kernels_analysis/README.md
+++ b/profiler/cluster_analyse/cluster_kernels_analysis/README.md
@@ -6,56 +6,62 @@ cluster_op_summary_analysis.py脚本基于多卡性能数据的op_summary信息
 ### cluster_op_time_ analysis.csv
 将算子以op_name、input_shape、input_size、output_shape进行分类，统计每一类算子，在不同节点（node）的不同卡（device）上，执行时间的最大、最小、方差、平均时间以及范围。
 ### xxx_info.html
-主要是各个特性（time\ratio）的html文件，以html方式展示top_n算子的箱线图
-xxx表示AI Core和AI Vector Core算子性能指标中的耗时（time）和占比（ratio）字段。
+
+主要是各个特性（time和ratio）的html文件，以html方式展示top_n算子的箱线图。
+
+time和ratio表示AI Core和AI Vector Core算子性能指标中的耗时和占比字段。
+
 以html文件展示TopN算子执行耗时和占比的箱线图。
+
 有TopN个算子就会有TopN个坐标系，每个坐标系表示一个算子的特性，以total_time的平均值从左向右依次向下排序。
 
-横坐标：node_device表示第几个node的第几张卡，从小到大排序。
-纵坐标：时间。
-坐标名：在坐标下方，以op_name-input_shape拼接展示。
+- 横坐标：node_device表示第几个node的第几张卡，从小到大排序。
+- 纵坐标：时间。
+- 坐标名：在坐标下方，以op_name-input_shape拼接展示。
+
 # 操作指导
-- 1、准备性能数据
-拷贝所有node上的性能数据到一个环境里，性能数据必须包含在node*目录下，例如当前集群场景为2机16卡，那么就是两个node分别有八个device，拷贝性能数据目录如下：
 
-    ├── node0             // 可以是node0或nodeo_xxx，表示某个节点
-    
-    │   ├── PROF_XXXXX    // 单个device的性能数据，须完成msprof性能数据解析
-    
-    │       ├── SUMMARY
-    
-    │           ├── op_summary_XX.csv
+1. 准备性能数据
+
+   拷贝所有node上的性能数据到一个环境里，性能数据必须包含在node*目录下，例如当前集群场景为2机16卡，那么就是两个node分别有八个device，拷贝性能数据目录如下：
 
-    |    ......               // 一共八张卡的性能数据
+   ```bash
+   ├── node0             # 可以是node0或nodeo_xxx，表示某个节点
+     │   ├── PROF_XXXXX    # 单个device的性能数据，须完成msprof性能数据解析
+     │       ├── SUMMARY
+     │           ├── op_summary_XX.csv
+     |    ......               # 一共八张卡的性能数据
+     ├── node1             # 可以是node1 或者node1_xxx表示某个节点
+     │   ├── PROF_XXXXX    # 单个device的profiling数据
+     │       ├── SUMMARY
+     │           ├── op_summary_XX.csv   # 用来做解析的op_summary表格
+     |    ......             
+   ```
 
-    ├── node1             // 可以是node1 或者node1_xxx表示某个节点
-    
-    │   ├── PROF_XXXXX    // 单个device的profiling数据
-    
-    │       ├── SUMMARY
-    
-    │           ├── op_summary_XX.csv   // 用来做解析的op_summary表格
+2. 拷贝脚本准备环境
 
-    |    ......            
+   将cluster_prof_Info_analysis.py脚本拷贝到一个文件夹里，并安装对应的Python库。
 
-- 2、拷贝脚本准备环境
-将cluster_prof_Info_analysis.py脚本拷贝到一个文件夹里，并安装对应的Python库:
+   ```bash
+   pip install pandas
+   pip install ploty
+   ```
 
-> pip install pandas
+3. 运行脚本
 
-> pip install ploty
+   ```bash
+   python3 cluster_prof_Info_analysis.py –d data_path -t type -n top_n
+   ```
 
-- 3、运行脚本
-> python3 cluster_prof_Info_analysis.py –d {data_path} -t {type} -n {top_n}
--d 集群场景性能数据目录，输入node的上一级目录。
--t 获取分析信息结果文件类型，可取值：html、csv、all，默认html。
--n html分析独有，表示需要展示的是平均时间top_n的算子，默认10，配置超过30时需要一定时间。
+     - -d：集群场景性能数据目录，输入node的上一级目录。
+     - -t：获取分析信息结果文件类型，可取值：html、csv、all，默认html。
+     - -n：html分析独有，表示需要展示的是平均时间top_n的算子，默认10，配置超过30时需要一定时间。
 
 异常情况处理：
--n参数必须大于0，如果输入<=0, 默认只导出一个算子的数据。
-配置-n参数值大于算子总数时，按等于算子数处理。
-部分没有op_summary的，不显示也不报错。
-目录下不存在op_summary时，执行报错无法找到数据文件。
-op_summary列数据错误或读不到数据时，提示具体出错文件。
--t参数配置错误时，提示输入错误，并提示正确的配置。
 
+- -n参数必须大于0，如果输入<=0, 默认只导出一个算子的数据。
+- 配置-n参数值大于算子总数时，按等于算子数处理。
+- 部分没有op_summary的，不显示也不报错。
+- 目录下不存在op_summary时，执行报错无法找到数据文件。
+- op_summary列数据错误或读不到数据时，提示具体出错文件。
+- -t参数配置错误时，提示输入错误，并提示正确的配置。