diff --git a/README.md b/README.md
index 212b5a6e03d3459b3f312af74b8a496356ce79f3..e37b4960653d792e07269e822e7b11137daf693f 100644
--- a/README.md
+++ b/README.md
@@ -1,37 +1,341 @@
-# jiuwen-deepsearch
+# Jiuwen-DeepSearch（九问深度搜索）
 
-#### 介绍
-Jiuwen-deepsearch is a deep search agent equipped with planning-retrieval-reflection capabilities, designed to help developers improve the accuracy and development efficiency of complex tasks such as multi-step reasoning and in-depth research in industry-specific scenarios. It offers advantages such as high efficiency, ease of use, and high accuracy.
+[简体中文](./README_zh.md) | [English](./README_en.md)
 
-#### 软件架构
-软件架构说明
+## 📑 目录
+- [💡 九问深度搜索是什么](#九问深度搜索是什么)
+- [🎬 演示案例](#演示案例)
+- [🔥 最新版本特性](#最新版本特性)
+- [🚀 快速开始](#快速开始)
+- [🔍 搜索引擎支持](#搜索引擎支持)
+- [🌟 核心特性](#核心特性)
+- [🏗️ API参考](#API参考)
+- [📚 版本特性追踪](#版本特性追踪)
+- [📜 许可证](#许可证)
+- [🙏 致谢](#致谢)
+- [❓ 常见问题FAQ](#常见问题FAQ)
 
 
-#### 安装教程
+## 💡 九问深度搜索是什么？
+---
+**Jiuwen-DeepSearch** 九问深度搜索是一款知识增强的深度检索与研究引擎。我们的目标是利用结构化知识及大模型，融合各种工具，提供精准、灵活、高效深度搜索及研究能力。我们支持不同数据格式的领域知识库接入，支持多种检索模式的选择，并通过知识增强的查询规划及反思，提供可靠、可溯源答案及报告。
+![流程介绍](https://gitee.com/poissondeepsearch/jiuwen-deepsearch/blob/master/assets/overview.jpg)
 
-1.  xxxx
-2.  xxxx
-3.  xxxx
+## 🎬 演示案例
+### 案例1：比较全球Top5光伏企业在东南亚的产能布局，量化分析美国IRA法案对其海外供应链成本的影响
 
-#### 使用说明
+![全球TOP5光伏企业在东南亚的产能布局及美国IRA法案影响分析](https://gitee.com/poissondeepsearch/jiuwen-deepsearch/blob/master/assets/example_globaltop5.jpg)
+全文请见:[全球TOP5光伏企业在东南亚的产能布局及美国IRA法案影响分析](https://gitee.com/poissondeepsearch/jiuwen-deepsearch/blob/master/examples/全球TOP5光伏企业在东南亚的产能布局及美国IRA法案影响分析.md)
 
-1.  PPT报告生成需要本地安装marp, npm安装命令: npm install -g @marp-team/marp-cli
-2.  xxxx
-3.  xxxx
+### 案例2：分析医学影像AI辅助诊断系统的临床落地瓶颈
+![example2_medical.jpg](https://gitee.com/poissondeepsearch/jiuwen-deepsearch/blob/master/assets/example_medical.jpg)
+ 全文请见[医学影像AI辅助诊断系统临床落地瓶颈分析](https://gitee.com/poissondeepsearch/jiuwen-deepsearch/blob/master/examples/医学影像AI辅助诊断系统临床落地瓶颈分析.md)
 
-#### 参与贡献
 
-1.  Fork 本仓库
-2.  新建 Feat_xxx 分支
-3.  提交代码
-4.  新建 Pull Request
+## 🔥 最新版本特性
+---
+- 新增outline节点，实现报告大纲生成
+- 支持基于导入的报告自动提取报告模板
+- 规划节点增加基于用户查询与章节任务生成搜索计划
+- 在搜索节点引入查询改写功能，支持对改写后的多个查询进行检索和结果融合
+- 增加搜索结果切分及按照分块的相关性筛选
 
+更多特性详见： [Jiuwen-deepsearch release notes](https://gitee.com/openeuler/jiuwen-deepsearch/tree/master/docs/release_notes) 
 
-#### 特技
+## 🚀 快速开始
+---
+### 环境要求
+- Python 3.12+
+- 推荐工具：`uv`
 
-1.  使用 Readme\_XXX.md 来支持不同的语言，例如 Readme\_en.md, Readme\_zh.md
-2.  Gitee 官方博客 [blog.gitee.com](https://blog.gitee.com)
-3.  你可以 [https://gitee.com/explore](https://gitee.com/explore) 这个地址来了解 Gitee 上的优秀开源项目
-4.  [GVP](https://gitee.com/gvp) 全称是 Gitee 最有价值开源项目，是综合评定出的优秀开源项目
-5.  Gitee 官方提供的使用手册 [https://gitee.com/help](https://gitee.com/help)
-6.  Gitee 封面人物是一档用来展示 Gitee 会员风采的栏目 [https://gitee.com/gitee-stars/](https://gitee.com/gitee-stars/)
+### 安装步骤
+```bash
+# 克隆仓库
+git clone https://gitee.com/openeuler/jiuwen-deepsearch.git
+cd jiuwen-deepsearch
+
+# 安装依赖库
+uv sync
+
+# 配置所调用的LLM和搜索引擎
+# 调用大模型要求兼容OpenAI Chat Completions接口
+#·LLM_BASIC_BASE_URL : 调用大模型的url
+#·LLM_BASIC_MODEL : 大模型的名字
+#·LLM_BASIC_API_KEY : 调用大模型所需的API Key
+#·TAVILY_API_KEY : 外部搜索引擎的API接口
+cp .env.example .env
+
+# 构建工程所需的配置项
+#·log_file : 运行日志
+#·max_plan_executed_num : 最多执行的规划次数
+#·max_report_generated_num : 最多生成的报告次数
+#·recursion_limit : 单轮的最大递归深度
+#·max_step_num : 每次任务的规划上限
+#·max_search_results : 搜索结果的保留条数
+#·max_crawl_length : 爬取信息的最大数据长度
+cp service.yaml.example service.yaml
+```
+### 控制台用户界面
+可以使用本地命令行运行项目
+```bash
+# 运行命令
+uv run main.py query (例：uv run main.py 今天杭州的天气怎么样)
+```
+
+### 启动Web服务，通过Http接口调用
+可以使用本地命令行运行项目
+```bash
+# 运行命令
+uv run start_server.py IP port (例：uv run start_server.py --host 127.0.0.1 -p 8888)
+```
+
+## 📚 搜索引擎支持
+### 网页搜索
+- **Tavily**  ：允许用户通过API接口获取搜索结果
+    + 需要在.env配置TAVILY_API_KEY变量
+    + 注册网址：https://app.tavily.com/home
+- **Bing**：集成了Bing Search API执行网络搜索
+    + 需要在.env配置BING_SUBSCRIPTION_KEY变量
+    + 注册网址：http://portal.azure.com/
+- **Google**：集成了Google Search API执行网络搜索
+    + 需要在.env配置GOOGLE_API_KEY变量
+- **DuckDuckGo**：支持隐私保护的搜索引擎
+    + 无需API KEY
+- **arXiv**：集成了arXiv Search API，可访问学术论文
+    + 无需API KEY
+- **Brave Search**：集成Brave Search API执行网络搜索，隐私友好型搜索
+    + 需要在.env配置BRAVE_SEARCH_API_KEY变量
+    + 注册网址：https://brave.com/search/api/
+- **PubMed**：生物文献数据库的搜索
+    + 需要在.env配置PUBMED_SEARCH_API_KEY变量
+    + 注册网址：https://pubmed.ncbi.nlm.nih.gov/
+- **Jina Search**：集成了Jina Search API执行网络搜索
+    + 需要在.env配置JINA_API_KEY变量
+    + 注册网址：https://jina.ai/
+
+
+### 本地知识库搜索
+支持2种本地知识库搜索，并支持扩展。需要在.env文件配置选择的本地知识库搜索及必要的API KEY：
+
+- **RAGFlow**：开源的本地知识库搜索引擎，基于深度文档理解的检索增强生成工具。支持本地部署服务，构建本地知识库和文档检索。
+    + 需要在.env配置RAGFLOW_API_URL和RAGFLOE_API_KEY变量
+    + 开源仓库地址：https://github.com/infiniflow/ragflow/
+    + 提供文档检索API，数据库和文档库展示API
+
+- **Graph-Retriever**：自研的图结构增强型本地检索系统，基于文本嵌入与知识三元组（entity-relation-entity）构建的 Graph-RAG 引擎。支持本地部署，用于构建语义丰富的本地知识图谱检索系统。
+    + 需要在 .env 文件中配置GRAPH_RETRIEVER_ES_URL（Elasticsearch 服务地址）、GRAPH_RETRIEVER_TEXT_INDEX（文本块的索引名称）、GRAPH_RETRIEVER_TRIPLE_INDEX（知识三元组的索引名称）变量。
+
+在.env文件中配置选择的本地知识库搜索和对应的API KEY，以RAGFlow为例：
+
+```
+LOCAL_SEARCH_TOOL=rag_flow
+RAGFLOW_API_URL="http//xxx"
+RAGFLOW_API_KEY="ragflow-xxx"
+```
+
+## 🌟 核心特性
+---
+- **精准融合检索**
+    + 支持对于通用网页及本地知识库的深度检索与研究。
+    + 支持基于关键词、向量、图及融合等多种检索模式，并可配置选择。
+- **知识增强**
+    + 支持基于知识库的静态知识构建与基于检索结果的动态知识构建，通过图检索与推理提升召回率。
+    + 通过动态知识提炼与压缩，提升上下文质量并降低大模型消耗。
+
+- **开放、兼容**
+    + 封装多种流行大模型接口， 如DeepSeek，OpenAI，Qwen等
+    + 对接多种搜索工具，如网页搜索、代码执行、爬虫等，支持MCP模式。
+    + 本地知识库接入支持多种文件类型，如 Word 文档、PPT、excel 表格、txt 文件、图片、PDF等。
+
+- **高质量报告**
+    + 支持兼顾深度与广度、专业排版，可视化数据报告
+    + 支持Markdown，html，ppt等多种报告格式
+    + 报告内容可溯源检索内容
+
+## 执行流程
+---
+本系统实现智能化深度研究的流程，基于用户的报告生成需求，进行多次全面的网络信息检索和/或代码执行，通过不断总结推理以获取满足报告撰写的必要信息后，为用户提供内容丰富的研究报告。
+![流程图](assets/diagram.svg)
+
+## 🏗️ API参考
+### research接口
+
+#### 请求结构
+| 字段名 | 字段类型 | 字段描述 |
+|:-------: |:-------: |:------: |
+| messages | str | 用户查询内容 |
+| local_datasets | Optional[List[str]] | 需要查询的本地知识库表uri |
+| session_id | Optional[str] | 会话id |
+| report_style | str | 生成报告的风格 |
+| report_format | str | 生成报告的类型 |
+
+#### 返回结构
+
+| 字段名 | 字段类型 | 字段描述 |
+|:-------: |:-------: |:------: |
+| session_id | str | 会话ID |
+|agent | str | 消息的agent名称 |
+| id | str | 消息ID |
+| role | str | 消息的角色 |
+| content | str | 消息内容 |
+| message_type | str | 消息类型 |
+
+#### 样例参考
+
+```http
+# 请求
+POST http://127.0.0.1:6000/api/research HTTP/1.1
+Content-Type: application/json
+{
+ "message": "hello", 
+ "local_datasets": "null", 
+ "session_id": "null", 
+ "report_style": "null",
+ "report_format": "null"
+}
+```
+
+```json
+# 响应
+{
+ "session_id": "null", 
+ "agent": "entry", 
+ "id": "3f1dfac2-db30-4d8a-b02d-d955316e7721", 
+ "role": "assistant", 
+ "content": "Hello! How can I assist you today?", 
+ "message_type": "AIMessage"
+}
+```
+
+### graph_retrieve 接口
+
+#### 请求结构
+
+| 字段名 | 字段类型 | 字段描述 |
+|--------|----------|----------|
+| query | str | 用户的自然语言查询 |
+| top_k| Optional[int] | 返回最相关的结果条数，默认 5 |
+| use_triple_index | Optional[bool]| 是否启用三元组图谱检索，默认 true |
+| use_text_index | Optional[bool]| 是否启用文本块向量检索，默认 true |
+| es_url| Optional[str] | Elasticsearch 服务地址，若未提供则读取 .env配置 |
+| text_index | Optional[str] | 文本索引名称，默认读取 .env |
+| triple_index | Optional[str]| 三元组索引名称，默认读取 .env |
+
+#### 返回结构
+
+| 字段名 | 字段类型 | 字段描述 |
+|--------|----------|----------|
+| query | str | 用户原始查询 |
+| mode | str | 实际使用的检索模式（text / triple / hybrid） |
+| top_k | int | 返回结果数量 |
+| results | List[dict] | 检索结果，每项包含分数、来源、内容等 |
+
+#### 请求示例
+
+```
+POST http://127.0.0.1:6000/api/graph_retrieve HTTP/1.1
+Content-Type: application/json
+
+{
+  "query": "Explain the relationship between Kubernetes and container orchestration.",
+  "top_k": 3,
+  "use_triple_index": true,
+  "use_text_index": true
+}
+```
+
+#### 响应示例
+
+```json
+{
+  "query": "Explain the relationship between Kubernetes and container orchestration.",
+  "mode": "hybrid",
+  "top_k": 3,
+  "results": [
+    {
+      "score": 0.92,
+      "source": "text_index",
+      "content": "Kubernetes is an open-source platform designed to automate deploying, scaling, and operating application containers."
+    },
+    {
+      "score": 0.88,
+      "source": "triple_index",
+      "content": "(Kubernetes, supports, container orchestration)"
+    },
+    {
+      "score": 0.81,
+      "source": "text_index",
+      "content": "Container orchestration allows you to manage the lifecycle of containers, and Kubernetes is one of the most popular tools for that purpose."
+    }
+  ]
+}
+```
+
+
+
+### MultiServerMCPClient接口
+
+#### 请求结构
+| 字段名 | 字段类型 | 字段描述 |
+|:-------: |:-------: |:------: |
+| connections| dict[str, Connection]或None | 映射服务器名称到连接配置的字典。如果为 None则不建立初始连接。 |
+
+### 样例参考
+
+#### 工具调用时启动新会话
+
+```python
+from langchain_mcp_adapters.client import MultiServerMCPClient
+
+client = MultiServerMCPClient(
+    {
+        "math": {
+            "command": "python",
+            # Make sure to update to the full absolute path to your math_server.py file
+            "args": ["/path/to/math_server.py"],
+            "transport": "stdio",
+        },
+        "weather": {
+            # Make sure you start your weather server on port 8000
+            "url": "http://localhost:8000/mcp",
+            "transport": "streamable_http",
+        }
+    }
+)
+all_tools = await client.get_tools()
+```
+
+#### 显式启动目标会话
+
+```python
+from langchain_mcp_adapters.client import MultiServerMCPClient
+from langchain_mcp_adapters.tools import load_mcp_tools
+
+client = MultiServerMCPClient({...})
+async with client.session("math") as session:
+    tools = await load_mcp_tools(session)
+```
+
+## ❓ 版本特性追踪
+---
+各版本特性详见 [Jiuwen-deepsearch release notes](https://gitee.com/openeuler/jiuwen-deepsearch/tree/master/docs/release_notes) 
+## 📜 许可证
+---
+**Jiuwen-DeepSearch**使用木兰协议(Mulan PSL)，木兰协议是由中国开放原子开源基金会发布的开源许可证,旨在鼓励中国开源社区的发展。该协议强调代码共享和社区贡献,允许用户自由使用、修改和分发代码,同时要求在分发时保留原始版权声明和许可证文本,并标明修改内容。请见 [License](https://gitee.com/openeuler/jiuwen-deepsearch/blob/master/LICENSE)
+
+## 🙏 致谢
+---
+**Jiuwen-DeepSearch**的构建离不开开源社区的卓越成果。我们由衷感谢所有为**Jiuwen-DeepSearch**的实现提供支持的项目及贡献者，正是他们的努力，才让本项目得以落地。
+
+特别向以下项目致以诚挚的谢意，感谢它们作出的宝贵贡献：
+
+- [LangChain](https://github.com/langchain-ai/langchain)：其强大的大语言模型交互框架为我们提供了灵活的链与代理能力，极大的简化了我们从prompt设计到多步骤任务编排的全流程开发。
+- [LangGraph](https://github.com/langchain-ai/langgraph) ：作为LangChain生态的重要延伸，其基于状态机的多智能体协作模型，为项目中的任务调度及动态流程控制提供了关键的技术底座。
+- [DeerFlow](https://github.com/bytedance/deer-flow)： 其提出的DeepResearch流程很好的串联了多轮查询、多轮推理及报告生成流程。DeerFlow在技术探索与开源分享上的付出，为深度搜索方向提供了宝贵的参考范式，为我们提供了宝贵的思路与实践经验。
+- [RAGFlow](http://url.com) ：其提供的本地知识库能力使得项目能实现对用户本地文档、定制化数据的精准检索与智能分析，为垂域场景下的知识注入提供了坚实的底座。
+
+特别感谢上述项目的开发团队及所有社区贡献者，正是你们的持续迭代、文档完善与开源共享，让**Jiuwen-DeepSearch**能够站在巨人的肩膀上快速成长。这份开源精神也将激励我们在迭代中保持开放，期待未来能为社区贡献更多价值。
+
+## ❓ 常见问题FAQ
+---
+常见问题详见 [FAQ列表](https://gitee.com/openeuler/jiuwen-deepsearch/tree/master/docs/release_notes) 
\ No newline at end of file