diff --git "a/documents/user-guide/\351\203\250\347\275\262\346\214\207\345\215\227/NPU\346\216\250\347\220\206\346\234\215\345\212\241\345\231\250\351\203\250\347\275\262\346\214\207\345\215\227.md" "b/documents/user-guide/\351\203\250\347\275\262\346\214\207\345\215\227/NPU\346\216\250\347\220\206\346\234\215\345\212\241\345\231\250\351\203\250\347\275\262\346\214\207\345\215\227.md"
index 63e00abd07fed83991b487dada3a68bca00fe4d1..15657f5e71070f538fc5951caa0cf9313709ae84 100644
--- "a/documents/user-guide/\351\203\250\347\275\262\346\214\207\345\215\227/NPU\346\216\250\347\220\206\346\234\215\345\212\241\345\231\250\351\203\250\347\275\262\346\214\207\345\215\227.md"
+++ "b/documents/user-guide/\351\203\250\347\275\262\346\214\207\345\215\227/NPU\346\216\250\347\220\206\346\234\215\345\212\241\345\231\250\351\203\250\347\275\262\346\214\207\345\215\227.md"
@@ -158,39 +158,49 @@ curl http://localhost:8090/embed \
 ```bash
 vim euler-copilot-framework_3/deploy/chart/euler_copilot/values.yaml
 ```
-```yaml
+```
 models:
+  # 用于问答的大语言模型；需要OpenAI兼容的API
   answer:
-    url: http://<server_ip>:8000/openai
+    # [必需] API端点URL（请根据API提供商文档确认是否包含"v1"后缀）
+    endpoint: https://$ip:$port/v1
+    # [必需] API密钥；默认为空
     key: sk-123456
-    name: DeepSeek-R1-Distill-Llama-70B
-    ctx_length: 8192
-    max_tokens: 2048
-    parameters:  # 新增性能参数
-      batch_size: 8
-      tensor_parallel: 8
-  functioncall:
+    # [必需] 模型名称
+    name: qwen3-32b
+    # [必需] 模型最大上下文长度；推荐>=8192
+    ctxLength: 8192
+    # 模型最大输出长度，推荐>=2048
+    maxTokens: 8192
+  # 用于函数调用的模型；推荐使用特定的推理框架
+  functionCall:
     # 推理框架类型，默认为ollama
-    # 可用的框架类型：["vllm", "sglang", "ollama", "openai"]
-    backend: vllm
-    # 模型地址；不填则与问答模型一致
-    url:
-    # API Key；不填则与问答模型一致
-    key:
-    # 模型名称；不填则与问答模型一致
-    name:
-    # 模型最大上下文数；不填则与问答模型一致
-    ctx_length:
-    # 模型最大输出长度；不填则与问答模型一致
-    max_tokens:
-  # 用于数据向量化（Embedding）的模型
+    # 可用框架类型：["vllm", "sglang", "ollama", "openai"]
+    backend: openai
+    # [必需] 模型端点；请根据API提供商文档确认是否包含"v1"后缀
+    # 留空则使用与问答模型相同的配置
+    endpoint: https://$ip:$port/v1
+    # API密钥；留空则使用与问答模型相同的配置
+    key: sk-123456
+    # 模型名称；留空则使用与问答模型相同的配置
+    name: qwen3-32b
+    # 模型最大上下文长度；留空则使用与问答模型相同的配置
+    ctxLength: 8192
+    # 模型最大输出长度；留空则使用与问答模型相同的配置
+    maxTokens: 8192
+  # 用于数据嵌入的模型
   embedding:
-    type: mindie
-    url: http://<server_ip>:8090/v1  # 注意v1路径
+    # 推理框架类型，默认为openai
+    # [必需] Embedding API类型：["openai", "mindie"]
+    type: openai
+    # [必需] Embedding URL（需要包含"v1"后缀）
+    endpoint: https://$ip:$port/v1
+    # [必需] Embedding模型API密钥
     key: sk-123456
-    name: bge-m3
-    max_length: 8192  # 添加长度限制
+    # [必需] Embedding模型名称
+    name: BAAI/bge-m3
 ```
+
 ## 更新服务
 ```bash
 helm upgrade -n euler-copilot euler-copilot .
@@ -218,4 +228,4 @@ kubectl get pods -n euler-copilot
 > **性能优化提示**：
 > - 使用`npu-smi`监控NPU利用率
 > - 在docker run时添加`--cpuset-cpus`绑定CPU核心
-> - 对大模型服务启用`--tensor-parallel 8`参数
\ No newline at end of file
+> - 对大模型服务启用`--tensor-parallel 8`参数
diff --git "a/documents/user-guide/\351\203\250\347\275\262\346\214\207\345\215\227/\346\227\240\347\275\221\347\273\234\347\216\257\345\242\203\344\270\213\351\203\250\347\275\262\346\214\207\345\215\227.md" "b/documents/user-guide/\351\203\250\347\275\262\346\214\207\345\215\227/\346\227\240\347\275\221\347\273\234\347\216\257\345\242\203\344\270\213\351\203\250\347\275\262\346\214\207\345\215\227.md"
index e88cb934bcfebdc0d535a954e1bdb935e86b0776..11b504765e86032a3a41e26ac50620dcc5304bf1 100644
--- "a/documents/user-guide/\351\203\250\347\275\262\346\214\207\345\215\227/\346\227\240\347\275\221\347\273\234\347\216\257\345\242\203\344\270\213\351\203\250\347\275\262\346\214\207\345\215\227.md"
+++ "b/documents/user-guide/\351\203\250\347\275\262\346\214\207\345\215\227/\346\227\240\347\275\221\347\273\234\347\216\257\345\242\203\344\270\213\351\203\250\347\275\262\346\214\207\345\215\227.md"
@@ -1,8 +1,8 @@
 # openEuler Intelligence 智能助手部署指南
 
 **版本信息**  
-当前版本：v0.9.6  
-更新日期：2025年7月9日
+当前版本：v0.10.1 
+更新日期：2025年10月21日
 
 ## 产品概述
 
@@ -61,7 +61,7 @@ openEuler Intelligence 是一款智能问答工具，使用 openEuler Intelligen
 #### 获取部署脚本
 
 [openEuler Intelligence 官方 Git 仓库](https://gitee.com/openeuler/euler-copilot-framework)  
-切换至 master 分支下载 ZIP 并上传至目标服务器：
+切换至 release-0.10.1 分支下载 ZIP 并上传至目标服务器：
 
 ```bash
 unzip euler-copilot-framework.tar -d /home
@@ -73,7 +73,7 @@ unzip euler-copilot-framework.tar -d /home
 
 |    类型    | 资源文件/说明 |
 |------------|--------------|
-| **镜像文件** | `hub.oepkgs.net/neocopilot/euler-copilot-framework:0.9.6-x86/0.9.6-arm`<br>`hub.oepkgs.net/neocopilot/euler-copilot-web:0.9.6-x86/0.9.6-arm`<br>`hub.oepkgs.net/neocopilot/data_chain_back_end:0.9.6-x86/0.9.6-arm`<br>`hub.oepkgs.net/neocopilot/data_chain_web:0.9.6-x86/0.9.6-arm`<br>`hub.oepkgs.net/neocopilot/authhub:0.9.3-x86`<br>`hub.oepkgs.net/neocopilot/authhub-web:0.9.3-x86`<br>`hub.oepkgs.net/neocopilot/opengauss:latest-x86`<br>`hub.oepkgs.net/neocopilot/redis:7.4-alpine-x86`<br>`hub.oepkgs.net/neocopilot/mysql:8-x86`<br>`hub.oepkgs.net/neocopilot/minio:empty-x86`<br>`hub.oepkgs.net/neocopilot/mongo:7.0.16-x86`<br>`hub.oepkgs.net/neocopilot/secret_inject:dev-x86` |
+| **镜像文件** | `hub.oepkgs.net/neocopilot/euler-copilot-framework:0.10.1-x86/0.10.1-arm`<br>`hub.oepkgs.net/neocopilot/euler-copilot-web:0.10.1-x86/0.10.1-arm`<br>`hub.oepkgs.net/neocopilot/data_chain_back_end:0.10.1-x86/0.10.1-arm`<br>`hub.oepkgs.net/neocopilot/data_chain_web:0.10.1-x86/0.10.1-arm`<br>`hub.oepkgs.net/neocopilot/authhub:0.9.3-x86`<br>`hub.oepkgs.net/neocopilot/authhub-web:0.9.3-x86`<br>`hub.oepkgs.net/neocopilot/opengauss:latest-x86`<br>`hub.oepkgs.net/neocopilot/redis:7.4-alpine-x86`<br>`hub.oepkgs.net/neocopilot/mysql:8-x86`<br>`hub.oepkgs.net/neocopilot/minio:empty-x86`<br>`hub.oepkgs.net/neocopilot/mongo:7.0.16-x86`<br>`hub.oepkgs.net/neocopilot/secret_inject:dev-x86` |
 | **模型文件** | `bge-m3-Q4_K_M.gguf`<br>`deepseek-llm-7b-chat-Q4_K_M.gguf` |
 | **工具包**   | `helm-v3.15.0-linux-{arm64/amd64}.tar.gz`<br>`k3s-airgap-images-{arm64/amd64}.tar.zst`<br>`k3s-{arm64/amd64}`<br>`k3s-install.sh`<br>`ollama-linux-{arm64/amd64}.tgz` |
 
@@ -82,8 +82,8 @@ unzip euler-copilot-framework.tar -d /home
 ```bash
 # 在联网服务器执行：
 cd /home/euler-copilot-framework/deploy/scripts/9-other-script/
-./save_images.sh 0.9.6  # 镜像保存至 /home/eulercopilot/images/
-
+# 镜像保存至 /home/eulercopilot/images/
+./save_images.sh --version 0.10.1 --arch x86
 # 传输至目标服务器：
 scp /home/eulercopilot/images/* root@target-server:/home/eulercopilot/images/
 ```
@@ -102,9 +102,27 @@ scp /home/eulercopilot/images/* root@target-server:/home/eulercopilot/images/
 - 需通过可访问外网的 Windows 环境下载后传输至离线环境
 - 脚本下载仅支持在联网服务器操作
 
-### 2. 部署 openEuler Intelligence
+#### **一键部署**
+
+一键自动部署模式主要适用于**没有预先部署大语言模型资源**的用户：
+
+1. **自动安装和配置所有必需组件**：
+   - 部署轻量级Kubernetes发行版k3s
+   - 安装包管理工具helm
+   - 部署Ollama模型服务框架
+   - 下载并部署Deepseek大语言模型（deepseek-llm-7b-chat）
+   - 下载并部署Embedding模型（bge-m3）
+   - 安装数据库、Authhub认证服务和openEuler Intelligence应用
+
+2. **支持多种硬件环境**：
+   - 可在纯CPU环境运行
+   - 如有GPU资源会自动利用加速推理
+   - 自动配置模型接口供openEuler Intelligence调用
 
-#### 一键部署
+3. **简化部署流程**：
+   - 无需手动配置模型端点
+   - 自动设置所有依赖关系
+   - 适合快速体验和测试环境
 
 ```bash
 bash deploy.sh
@@ -114,7 +132,7 @@ bash deploy.sh
 ==============================
         主部署菜单
 ==============================
-0) 一键自动部署
+0) 一键自动部署  # 自动安装所有组件，包括Ollama和模型（推荐新手）
 1) 手动分步部署
 2) 重启服务
 3) 卸载所有组件并清除数据
@@ -123,7 +141,67 @@ bash deploy.sh
 请输入选项编号（0-3）: 0
 ```
 
-#### 手动分步部署
+#### 分步部署
+
+分步部署模式主要适用于**已有部署好的大语言模型接口和embedding模型接口**的场景。使用此模式前，用户需要：
+
+1. **预先准备模型服务**：
+   - 确保大语言模型服务已部署并可访问
+   - 确保embedding模型服务已部署并可访问
+   - 获取各模型的API端点URL和认证密钥
+
+2. **配置values.yaml文件**：
+   - 在部署前编辑values.yaml文件，预先填写已有的模型服务信息
+   - 配置问答模型、函数调用模型和embedding模型的具体参数
+   - 配置示例：
+
+```yaml
+models:
+  # 用于问答的大语言模型；需要OpenAI兼容的API
+  answer:
+    # [必需] API端点URL（请根据API提供商文档确认是否包含"v1"后缀）
+    endpoint: https://$ip:$port/v1
+    # [必需] API密钥；默认为空
+    key: sk-123456
+    # [必需] 模型名称
+    name: qwen3-32b
+    # [必需] 模型最大上下文长度；推荐>=8192
+    ctxLength: 8192
+    # 模型最大输出长度，推荐>=2048
+    maxTokens: 8192
+  # 用于函数调用的模型；推荐使用特定的推理框架
+  functionCall:
+    # 推理框架类型，默认为ollama
+    # 可用框架类型：["vllm", "sglang", "ollama", "openai"]
+    backend: openai
+    # [必需] 模型端点；请根据API提供商文档确认是否包含"v1"后缀
+    # 留空则使用与问答模型相同的配置
+    endpoint: https://$ip:$port/v1
+    # API密钥；留空则使用与问答模型相同的配置
+    key: sk-123456
+    # 模型名称；留空则使用与问答模型相同的配置
+    name: qwen3-32b
+    # 模型最大上下文长度；留空则使用与问答模型相同的配置
+    ctxLength: 8192
+    # 模型最大输出长度；留空则使用与问答模型相同的配置
+    maxTokens: 8192
+  # 用于数据嵌入的模型
+  embedding:
+    # 推理框架类型，默认为openai
+    # [必需] Embedding API类型：["openai", "mindie"]
+    type: openai
+    # [必需] Embedding URL（需要包含"v1"后缀）
+    endpoint: https://$ip:$port/v1
+    # [必需] Embedding模型API密钥
+    key: sk-123456
+    # [必需] Embedding模型名称
+    name: BAAI/bge-m3
+```
+
+3. **按需选择部署步骤**：
+   - 需跳过无需部署的步骤3、步骤4、步骤5；
+   - 只部署其余必要的应用和组件
+   - 适合生产环境和已有基础设施的用户
 
 ```bash
 bash deploy.sh
@@ -133,8 +211,8 @@ bash deploy.sh
 ==============================
         主部署菜单
 ==============================
-0) 一键自动部署
-1) 手动分步部署
+0) 一键自动部署 - 自动安装所有组件，包括Ollama和模型（推荐新手）
+1) 手动分步部署 - 已有模型服务时使用，可自定义配置
 2) 重启服务
 3) 卸载所有组件并清除数据
 4) 退出程序
@@ -148,9 +226,9 @@ bash deploy.sh
 ==============================
 1) 执行环境检查脚本
 2) 安装k3s和helm
-3) 安装Ollama
-4) 部署Deepseek模型
-5) 部署Embedding模型
+3) 安装Ollama - 如已有模型服务可跳过
+4) 部署Deepseek模型 - 如已有模型服务可跳过
+5) 部署Embedding模型 - 如已有模型服务可跳过
 6) 安装数据库
 7) 安装AuthHub
 8) 安装openEuler Intelligence
@@ -159,10 +237,11 @@ bash deploy.sh
 请输入选项编号（1-9）:
 ```
 
-**关键说明**：
+**选择建议**：
+
+- **新手用户或试用环境**：选择**一键自动部署**
 
-1. 部署前需准备好所有资源
-2. 需输入 openEuler Intelligence 的访问IP（默认使用 127.0.0.l`）
+- **现有模型服务**：选择**手动分步部署**，并预先配置values.yaml文件
 
 #### 重启服务
 
@@ -309,51 +388,6 @@ k3s ctr image import $image_tar
    vim /home/euler-copilot-framework/deploy/chart/euler_copilot/values.yaml
    ```
 
-   修改如下部分
-   ```yaml
-   # 模型设置
-   models:
-     # 用于问答的大模型；需要为OpenAI兼容接口
-     answer:
-       # [必填] 接口URL（请根据 API 提供商文档确定是否需要带上“v1”后缀）
-       endpoint: http://$host:11434/v1
-       # [必填] 接口API Key；默认置空
-       key: sk-123456
-       # [必填] 模型名称
-       name: deepseek-llm-7b-chat
-       # [必填] 模型最大上下文数；建议>=8192
-       ctxLength: 8192
-       # 模型最大输出长度，建议>=2048
-       maxTokens: 8192
-     # 用于Function Call的模型；建议使用特定推理框架
-     functionCall:
-       # 推理框架类型，默认为ollama
-       # 可用的框架类型：["vllm", "sglang", "ollama", "openai"]
-       backend: ollama
-       # 模型地址；根据 API 提供商文档确定是否需要带上“v1”后缀
-       # 如果选择不填则与问答模型一致
-       endpoint: http://$host:11434
-       # API Key；不填则与问答模型一致
-       key:
-       # 模型名称；不填则与问答模型一致
-       name:
-       # 模型最大上下文数；不填则与问答模型一致
-       ctxLength: 8192
-       # 模型最大输出长度；不填则与问答模型一致
-       maxTokens: 8192
-     # 用于数据向量化（Embedding）的模型
-     embedding:
-       # 推理框架类型，默认为openai
-       # [必填] Embedding接口类型：["openai", "mindie"]
-       type: openai
-       # [必填] Embedding URL（需要带上“v1”后缀）
-       endpoint: http://$host:11434/v1
-       # [必填] Embedding 模型API Key
-       key: sk-123456
-       # [必填] Embedding 模型名称
-       name: bge-m3:latest
-   ```
-
 5. 更新服务：
   
    ```bash
@@ -476,7 +510,7 @@ mkcert example.com
 最后，将生成的证书和私钥拷贝到 values.yaml 中, 并应用至 Kubernetes Secret.
 
 ```bash
-vim /home/euler-copilot-framework_openeuler/deploy/chart_ssl/traefik-secret.yaml
+vim /home/euler-copilot-framework_openeuler/deploy/common/chart_ssl/traefik-secret.yaml
 ```
 
 ```bash
@@ -532,3 +566,4 @@ lscpu | grep -i avx
 **解决办法：**
 
 更换无思考过程的模型，不支持使用Deepseek R1系列和Qwen3系列
+
diff --git "a/documents/user-guide/\351\203\250\347\275\262\346\214\207\345\215\227/\347\275\221\347\273\234\347\216\257\345\242\203\344\270\213\351\203\250\347\275\262\346\214\207\345\215\227.md" "b/documents/user-guide/\351\203\250\347\275\262\346\214\207\345\215\227/\347\275\221\347\273\234\347\216\257\345\242\203\344\270\213\351\203\250\347\275\262\346\214\207\345\215\227.md"
index def52f6863e28a3e5b18e9f566e74b1c9501cfec..590cc7fb3019091ad9006da9e6d0a43dd2ad8678 100644
--- "a/documents/user-guide/\351\203\250\347\275\262\346\214\207\345\215\227/\347\275\221\347\273\234\347\216\257\345\242\203\344\270\213\351\203\250\347\275\262\346\214\207\345\215\227.md"
+++ "b/documents/user-guide/\351\203\250\347\275\262\346\214\207\345\215\227/\347\275\221\347\273\234\347\216\257\345\242\203\344\270\213\351\203\250\347\275\262\346\214\207\345\215\227.md"
@@ -1,8 +1,8 @@
 # openEuler Intelligence 智能助手部署指南
 
 **版本信息**  
-当前版本：v0.9.6  
-更新日期：2025年7月9日
+当前版本：v0.10.1 
+更新日期：2025年10月21日
 
 ## 产品概述
 
@@ -61,14 +61,33 @@ openEuler Intelligence 是一款智能问答工具，使用 openEuler Intelligen
 
 ```bash
 cd /home
-git clone https://gitee.com/openeuler/euler-copilot-framework.git -b master
+git clone https://gitee.com/openeuler/euler-copilot-framework.git -b release-0.10.1
 cd euler-copilot-framework/deploy/scripts
-chmod -R +x ./*
 ```
 
 ### 2. 部署 openEuler Intelligence
 
-#### 一键部署
+#### **一键部署**
+
+一键自动部署模式主要适用于**没有预先部署大语言模型资源**的用户：
+
+1. **自动安装和配置所有必需组件**：
+   - 部署轻量级Kubernetes发行版k3s
+   - 安装包管理工具helm
+   - 部署Ollama模型服务框架
+   - 下载并部署Deepseek大语言模型（deepseek-llm-7b-chat）
+   - 下载并部署Embedding模型（bge-m3）
+   - 安装数据库、Authhub认证服务和openEuler Intelligence应用
+
+2. **支持多种硬件环境**：
+   - 可在纯CPU环境运行
+   - 如有GPU资源会自动利用加速推理
+   - 自动配置模型接口供openEuler Intelligence调用
+
+3. **简化部署流程**：
+   - 无需手动配置模型端点
+   - 自动设置所有依赖关系
+   - 适合快速体验和测试环境
 
 ```bash
 bash deploy.sh
@@ -78,7 +97,7 @@ bash deploy.sh
 ==============================
         主部署菜单
 ==============================
-0) 一键自动部署
+0) 一键自动部署  # 自动安装所有组件，包括Ollama和模型（推荐新手）
 1) 手动分步部署
 2) 重启服务
 3) 卸载所有组件并清除数据
@@ -89,6 +108,66 @@ bash deploy.sh
 
 #### 分步部署
 
+分步部署模式主要适用于**已有部署好的大语言模型接口和embedding模型接口**的场景。使用此模式前，用户需要：
+
+1. **预先准备模型服务**：
+   - 确保大语言模型服务已部署并可访问
+   - 确保embedding模型服务已部署并可访问
+   - 获取各模型的API端点URL和认证密钥
+
+2. **配置values.yaml文件**：
+   - 在部署前编辑values.yaml文件，预先填写已有的模型服务信息
+   - 配置问答模型、函数调用模型和embedding模型的具体参数
+   - 配置示例：
+
+```yaml
+models:
+  # 用于问答的大语言模型；需要OpenAI兼容的API
+  answer:
+    # [必需] API端点URL（请根据API提供商文档确认是否包含"v1"后缀）
+    endpoint: https://$ip:$port/v1
+    # [必需] API密钥；默认为空
+    key: sk-123456
+    # [必需] 模型名称
+    name: qwen3-32b
+    # [必需] 模型最大上下文长度；推荐>=8192
+    ctxLength: 8192
+    # 模型最大输出长度，推荐>=2048
+    maxTokens: 8192
+  # 用于函数调用的模型；推荐使用特定的推理框架
+  functionCall:
+    # 推理框架类型，默认为ollama
+    # 可用框架类型：["vllm", "sglang", "ollama", "openai"]
+    backend: openai
+    # [必需] 模型端点；请根据API提供商文档确认是否包含"v1"后缀
+    # 留空则使用与问答模型相同的配置
+    endpoint: https://$ip:$port/v1
+    # API密钥；留空则使用与问答模型相同的配置
+    key: sk-123456
+    # 模型名称；留空则使用与问答模型相同的配置
+    name: qwen3-32b
+    # 模型最大上下文长度；留空则使用与问答模型相同的配置
+    ctxLength: 8192
+    # 模型最大输出长度；留空则使用与问答模型相同的配置
+    maxTokens: 8192
+  # 用于数据嵌入的模型
+  embedding:
+    # 推理框架类型，默认为openai
+    # [必需] Embedding API类型：["openai", "mindie"]
+    type: openai
+    # [必需] Embedding URL（需要包含"v1"后缀）
+    endpoint: https://$ip:$port/v1
+    # [必需] Embedding模型API密钥
+    key: sk-123456
+    # [必需] Embedding模型名称
+    name: BAAI/bge-m3
+```
+
+3. **按需选择部署步骤**：
+   - 需跳过无需部署的步骤3、步骤4、步骤5；
+   - 只部署其余必要的应用和组件
+   - 适合生产环境和已有基础设施的用户
+
 ```bash
 bash deploy.sh
 ```
@@ -97,8 +176,8 @@ bash deploy.sh
 ==============================
         主部署菜单
 ==============================
-0) 一键自动部署
-1) 手动分步部署
+0) 一键自动部署 - 自动安装所有组件，包括Ollama和模型（推荐新手）
+1) 手动分步部署 - 已有模型服务时使用，可自定义配置
 2) 重启服务
 3) 卸载所有组件并清除数据
 4) 退出程序
@@ -112,9 +191,9 @@ bash deploy.sh
 ==============================
 1) 执行环境检查脚本
 2) 安装k3s和helm
-3) 安装Ollama
-4) 部署Deepseek模型
-5) 部署Embedding模型
+3) 安装Ollama - 如已有模型服务可跳过
+4) 部署Deepseek模型 - 如已有模型服务可跳过
+5) 部署Embedding模型 - 如已有模型服务可跳过
 6) 安装数据库
 7) 安装AuthHub
 8) 安装openEuler Intelligence
@@ -123,6 +202,12 @@ bash deploy.sh
 请输入选项编号（1-9）:
 ```
 
+**选择建议**：
+
+- **新手用户或试用环境**：选择**一键自动部署**
+
+- **现有模型服务**：选择**手动分步部署**，并预先配置values.yaml文件
+
 #### 重启服务
 
 ```bash
@@ -266,52 +351,6 @@ k3s ctr image import $image_tar
    vim /home/euler-copilot-framework/deploy/chart/euler_copilot/values.yaml
    ```
 
-   修改如下部分
-
-   ```yaml
-   # 模型设置
-   models:
-     # 用于问答的大模型；需要为OpenAI兼容接口
-     answer:
-       # [必填] 接口URL（请根据 API 提供商文档确定是否需要带上“v1”后缀）
-       endpoint: http://$host:11434/v1
-       # [必填] 接口API Key；默认置空
-       key: sk-123456
-       # [必填] 模型名称
-       name: deepseek-llm-7b-chat
-       # [必填] 模型最大上下文数；建议>=8192
-       ctxLength: 8192
-       # 模型最大输出长度，建议>=2048
-       maxTokens: 8192
-     # 用于Function Call的模型；建议使用特定推理框架
-     functionCall:
-       # 推理框架类型，默认为ollama
-       # 可用的框架类型：["vllm", "sglang", "ollama", "openai"]
-       backend: ollama
-       # 模型地址；根据 API 提供商文档确定是否需要带上“v1”后缀
-       # 如果选择不填则与问答模型一致
-       endpoint: http://$host:11434
-       # API Key；不填则与问答模型一致
-       key:
-       # 模型名称；不填则与问答模型一致
-       name:
-       # 模型最大上下文数；不填则与问答模型一致
-       ctxLength: 8192
-       # 模型最大输出长度；不填则与问答模型一致
-       maxTokens: 8192
-     # 用于数据向量化（Embedding）的模型
-     embedding:
-       # 推理框架类型，默认为openai
-       # [必填] Embedding接口类型：["openai", "mindie"]
-       type: openai
-       # [必填] Embedding URL（需要带上“v1”后缀）
-       endpoint: http://$host:11434/v1
-       # [必填] Embedding 模型API Key
-       key: sk-123456
-       # [必填] Embedding 模型名称
-       name: bge-m3:latest
-   ```
-
 5. 更新服务：
   
    ```bash
@@ -434,7 +473,7 @@ mkcert example.com
 最后，将生成的证书和私钥拷贝到 values.yaml 中, 并应用至 Kubernetes Secret.
 
 ```bash
-vim /home/euler-copilot-framework_openeuler/deploy/chart_ssl/traefik-secret.yaml
+vim /home/euler-copilot-framework_openeuler/deploy/common/chart_ssl/traefik-secret.yaml
 ```
 
 ```bash
@@ -490,3 +529,4 @@ lscpu | grep -i avx
 **解决办法：**
 
 更换无思考过程的模型，不支持使用Deepseek R1系列和Qwen3系列
+