diff --git a/README.md b/README.md
index e69de29bb2d1d6434b8b29ae775ad8c2e48c5391..ba5d4b92617fefe890bc499d17b3c553b5ccf766 100644
--- a/README.md
+++ b/README.md
@@ -0,0 +1,14 @@
+# 写作角度
+本人增删改查程序员出身，目前从事数据科学，看到一些数据科学从业者编程技能不足，同时也是为了提升自己的编程能力，顾计划站在数据科学的角度书写此书。
+# 适合人群
+已经熟悉Python基本语法及标准库，有简单的代码经验
+# 设计模式的作用
+在制作软件的过程中，设计模式可能是新手最容易忽略的基础技能，软件（脚本）没有良好的结构，在升级演进的过程一定会浪费需要时间。相应的，如果在软件建立的过程中，拥有可维护、易拓展的良好结构，那么一定有利于后续的升级开发。
+# 写作结构
+每一种设计模式先用极简的语言介绍核心思想
+再结合数据科学的实际情况，给出简洁的Python语言的实现
+结合代码解释具体思路
+说明这种模式的应用场景
+给出应用该设计模式的实例
+# 设计模式总结
+创建型的设计模式共有5种类型：工厂方法、抽象工厂、建造者、原型、单例
\ No newline at end of file
diff --git a/python/creational/abstract_factor.py b/python/creational/abstract_factor.py
index 8cae887e9486a0d6a3ea32fd6e88048007c27f9b..8761623fbd904f167571fd273864212657673019 100644
--- a/python/creational/abstract_factor.py
+++ b/python/creational/abstract_factor.py
@@ -1,9 +1,16 @@
-from typing import NoReturn, Type
+"""
+抽象工厂模式：
+抽象工厂提供了一个统一的接口，来创建一组相同功能的类。
+
+这个例子设计的情景：
+假设我们的系统需要加载不同数据集用于验证我们的模型，我们希望加载的数据集之间可以通过一个接口互相替换，不需要我们修改我们模型的代码。
+"""
+from typing import Type
 
 
 class DataSet(object):
     """
-    数据类的父类，抽象出这一类的最基本的要素与功能
+    数据类的父类，抽象出数据集这一类的最基本的要素与功能
 
     属性：
         name: 所有的数据都有一个可读的名字，本例抽象出这一个属性做演示
@@ -12,7 +19,7 @@ class DataSet(object):
     def __init__(self, name: str) -> None:
         self.name = name
 
-    def content(self) -> NoReturn:
+    def content(self) -> None:
         """数据集的内容"""
         raise NotImplementedError
 
@@ -23,7 +30,7 @@ class DataSet(object):
 class Image(DataSet):
     """继承自Data父类，假设这是一组图片数据"""
 
-    def content(self) -> NoReturn:
+    def content(self) -> None:
         """
         重载
         图片数据集的内容
@@ -39,7 +46,7 @@ class Image(DataSet):
 class Text(DataSet):
     """同样继承自Data父类，假设这一组文字数据集"""
 
-    def content(self) -> NoReturn:
+    def content(self) -> None:
         """
         重载
         文字数据集的内容
@@ -76,8 +83,8 @@ class AbstractDataFactory(object):
         return data_set
 
 
-# 抽象工厂的核心思想：声明不同类型的工厂，生产出不同的类
-if __name__ == "__main__":
+def main():
+    """抽象工厂的核心思想：通过通过同样的j声明不同类型的工厂，生产出不同的类"""
     # 声明了一个文字类的数据集工厂
     factory = AbstractDataFactory(Text)
     # 给这个数据集起名 NLP
@@ -90,3 +97,7 @@ if __name__ == "__main__":
     data_set = factory.get_data_set("CV")
     # 查看 CV 数据集的内容
     data_set.content()  # Here is your data Image<B> Image!
+
+
+if __name__ == "__main__":
+    main()