diff --git "a/docs/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/docs/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 89f11b2b5da094f278824edec21878d4f5b8ccb6..60ac925784c52160992441fb8f5f43dc525c1051 100644
--- "a/docs/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/docs/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"
@@ -4,7 +4,7 @@
 
 openEuler Copilot System 是一款智能问答工具，使用 openEuler Copilot System 可以解决操作系统知识获取的便捷性，并且为OS领域模型赋能开发者及运维人员。作为获取操作系统知识，使能操作系统生产力工具 (如 A-Ops / A-Tune / x2openEuler / EulerMaker / EulerDevOps / StratoVirt / iSulad 等)，颠覆传统命令交付方式，由传统命令交付方式向自然语义进化，并结合智能体任务规划能力，降低开发、使用操作系统特性的门槛。
 
-### 组件介绍
+### 主要组件介绍
 
 | 组件                          | 端口            | 说明                  |
 | ----------------------------- | --------------- | -------------------- |
@@ -37,7 +37,7 @@ openEuler Copilot System 是一款智能问答工具，使用 openEuler Copilot
 | RAM           | >= 64GB                      |
 | 存储          | >= 500 GB                    |
 | GPU           | Tesla V100 16GB，4张         |
-| NPU           | 910ProB、910B                |
+| NPU           | 支持大模型推理的NPU卡或服务器     |
 
 注意：
 
@@ -95,7 +95,6 @@ openEuler Copilot System 是一款智能问答工具，使用 openEuler Copilot
 - SELinux设置
 
   ```bash
-  # 需要关闭selinux，可以临时关闭或永久关闭
   # 永久关闭SELinux
   sed -i 's/SELINUX=enforcing/SELINUX=disabled/g' /etc/selinux/config
   # 临时关闭
@@ -114,24 +113,12 @@ openEuler Copilot System 是一款智能问答工具，使用 openEuler Copilot
   wget https://repo.oepkgs.net/openEuler/rpm/openEuler-22.03-LTS/contrib/EulerCopilot/bge-reranker-large.tar.gz
   ```
 
-- 下载分词工具 text2vec-base-chinese-paraphrase [分词工具下载链接](https://repo.oepkgs.net/openEuler/rpm/openEuler-22.03-LTS/contrib/EulerCopilot/)  
-
-  ```bash
-  mkdir -p /home/EulerCopilot/text2vec
-  cd /home/EulerCopilot/text2vec
-  wget https://repo.oepkgs.net/openEuler/rpm/openEuler-22.03-LTS/contrib/EulerCopilot/text2vec-base-chinese-paraphrase.tar.gz
-  ```
-
 - 镜像包下载
-  - x86或arm架构的EulerCopilot服务的各组件镜像单独提供
+  - x86或arm架构的EulerCopilot服务的各组件镜像和tag可在values.yaml文件中查看
 
 ### 3. 安装部署工具
 
-#### 3.1 安装 Docker
-
-如需要基于 GPU/NPU 部署大模型，需要检查 Docker 版本是否满足>= v25.4.0 ，如不满足，请升级 Docker 版本
-
-#### 3.2 安装 K3s 并导入镜像
+#### 3.1 安装 K3s 并导入镜像
 
 - 安装 SELinux 配置文件
 
@@ -144,7 +131,7 @@ openEuler Copilot System 是一款智能问答工具，使用 openEuler Copilot
 - x86 架构安装 k3s
 
   ```bash
-  # 在有网络的环境上获取k3s相关包，以v1.30.3+k3s1示例
+  # 在有网络的环境上获取k3s相关包并上传至服务器，以v1.30.3+k3s1示例
   wget https://github.com/k3s-io/k3s/releases/download/v1.30.3%2Bk3s1/k3s
   wget https://github.com/k3s-io/k3s/releases/download/v1.30.3%2Bk3s1/k3s-airgap-images-amd64.tar.zst 
   cp k3s /usr/local/bin/
@@ -160,7 +147,7 @@ openEuler Copilot System 是一款智能问答工具，使用 openEuler Copilot
 - arm 架构安装 k3s
 
   ```bash
-  # 在有网络的环境上获取k3s相关包，以v1.30.3+k3s1示例
+  # 在有网络的环境上获取k3s相关包并上传至服务器，以v1.30.3+k3s1示例
   wget https://github.com/k3s-io/k3s/releases/download/v1.30.3%2Bk3s1/k3s-arm64
   wget https://github.com/k3s-io/k3s/releases/download/v1.30.3%2Bk3s1/k3s-airgap-images-arm64.tar.zst
   cp k3s-arm64 /usr/local/bin/k3s
@@ -180,7 +167,7 @@ openEuler Copilot System 是一款智能问答工具，使用 openEuler Copilot
   k3s ctr image import $(镜像文件)
   ```
 
-#### 3.3 安装 Helm 工具
+#### 3.2 安装 Helm 工具
 
 - x86_64 架构
 
@@ -200,7 +187,7 @@ openEuler Copilot System 是一款智能问答工具，使用 openEuler Copilot
   rm -rf linux-arm64
   ```
 
-#### 3.4 大模型准备
+#### 3.3 大模型准备
 
 提供第三方openai接口或基于硬件本都部署大模型，本地部署大模型可参考附录部分。
 
@@ -257,7 +244,7 @@ openEuler Copilot System 是一款智能问答工具，使用 openEuler Copilot
   cd deploy/chart/databases
   ```
 
-  仅需修改镜像tag为对应架构，其余可不进行修改
+  请根据对应的架构修改镜像标签，并设置数据库密码。
 
   ```bash
   vim values.yaml
@@ -281,7 +268,7 @@ openEuler Copilot System 是一款智能问答工具，使用 openEuler Copilot
   helm install -n euler-copilot databases .
   ```
 
-- 查看 pod 状态
+- 检查 Pod 的状态
 
   ```bash
   kubectl -n euler-copilot get pods
@@ -296,12 +283,10 @@ openEuler Copilot System 是一款智能问答工具，使用 openEuler Copilot
 - 若服务器之前部署过 mysql，则可预先清除下 pvc，再部署 databases。
 
   ```bash
-  # 获取pvc
   kubectl -n euler-copilot get pvc
   ```
 
   ```bash
-  # 删除pvc
   kubectl -n euler-copilot delete pvc mysql-pvc
   ```
 
@@ -323,7 +308,7 @@ openEuler Copilot System 是一款智能问答工具，使用 openEuler Copilot
   1. authHub 需要域名，可预先申请域名或在 'C:\Windows\System32\drivers\etc\hosts' 下配置。
      authhub和euler-copilot必须是同一个根域名的两个子域名, 例如authhub.test.com和
      eulercopilot.test.com
-  2. 修改tag为对应架构的tag;
+  2. 根据对应的架构修改镜像标签，并填写数据库密码。
 
 - 安装 AuthHub
 
@@ -380,7 +365,7 @@ openEuler Copilot System 是一款智能问答工具，使用 openEuler Copilot
   ```
 
   - 注意：
-  1. 查看系统架构，并修改values.yaml中的tag；
+  1. 根据对应的架构修改镜像标签，并填写数据库密码。；
   2. 修改values.yaml中的globals的domain为EulerCopilot域名，并配置大模型的相关信息
   3. 手动创建`docs_dir`、`plugin_dir`、`models`三个文件挂载目录
   4. 修改values.yaml中framework章节的web_url和oidc设置
@@ -414,8 +399,6 @@ openEuler Copilot System 是一款智能问答工具，使用 openEuler Copilot
   ```
 
   注意：如果 Pod 状态出现失败，建议按照以下步骤进行排查
-注意：如果 Pod 状态出现失败，建议按照以下步骤进行排查
-
   1. 查看 Kubernetes 集群的事件 (Events)，以获取更多关于 Pod 失败的上下文信息
 
      ```bash
@@ -459,7 +442,6 @@ openEuler Copilot System 是一款智能问答工具，使用 openEuler Copilot
 
 首先请点击下方页面的“立即注册”按钮，完成账号的注册与登录。
 ![Web登录界面](./pictures/WEB登录界面.png)
-
 ![Web 界面](./pictures/WEB界面.png)
 
 ## 安装插件
@@ -468,18 +450,7 @@ openEuler Copilot System 是一款智能问答工具，使用 openEuler Copilot
 
 ## 构建专有领域智能问答
 
-### 1. 构建 openEuler 专业知识领域的智能问答
-
-  1. 修改 values.yaml 的 pg 的镜像仓为 `pg-data`
-  2. 修改 values.yaml 的 rag 部分的字段 `knowledgebaseID: openEuler_2bb3029f`
-  3. 将 `vim deploy/chart/databases/templates/pgsql/pgsql-deployment.yaml` 的 volumes 相关字段注释
-  4. 进入 `cd deploy/chart/databases`，执行更新服务 `helm upgrade -n euler-copilot databases .`
-  5. 进入 `cd deploy/chart/euler_copilot`，执行更新服务 `helm upgrade -n euler-copilot service .`
-  6. 进入网页端进行 openEuler 专业知识领域的问答
-
-### 2. 构建项目专属知识领域智能问答
-
-详细信息请参考文档 [本地资产库构建指南](本地资产库构建指南.md)
+详细信息请参考文档 [本地资产库构建指南](./本地资产库构建指南.md)
 
 ## 附录
 
@@ -588,8 +559,7 @@ NPU 环境部署可参考链接 [MindIE安装指南](https://www.hiascend.com/do
 
 ```text
 File "/usr/lib/python3.9/site-packages/urllib3/connection.py", line 186, in _new_conn
-raise NewConnectionError(
-urllib3.exceptions.eanconectionError: <urlib3.comnection.Hipscomnection object at exfblab6490>: Failed to establish a new conmection: [Errno 101] Network is unreachable
+raise NewConnectionError(urllib3.exceptions.eanconectionError: <urlib3.comnection.Hipscomnection object at exfblab6490>: Failed to establish a new conmection: [Errno 101] Network is unreachable
 ```
 
 - 解决办法
@@ -607,10 +577,13 @@ export HF_ENDPOINT=https://hf-mirror.com
 - 请先进入到 RAG 对应 Pod
 
 ```bash
-curl  -k -X POST "http://localhost:8005/kb/get_answer"  -H "Content-Type: application/json"  -d '{ \
-      "question": "", \
-      "kb_sn": "default_test", \
-      "fetch_source": true  }'
+curl -k -X POST "http://localhost:8005/kb/get_answer" \
+     -H "Content-Type: application/json" \
+     -d '{
+           "question": "",
+           "kb_sn": "default_test",
+           "fetch_source": true
+         }'
 ```
 
 ### 3. 执行 `helm upgrade` 报错?
@@ -644,10 +617,11 @@ export KUBECONFIG=/etc/rancher/k3s/k3s.yaml
 cat /etc/systemd/system/k3s.service.env
 ```
 
-```text
-http_proxy="http://172.21.60.51:3128"
-https_proxy="http://172.21.60.51:3128"
-no_proxy=172.21.31.10 # 代理中剔除本机IP
+```bash
+http_proxy="http://XXX:XXX"
+https_proxy="http://XXX:XXX"
+# 代理中剔除本机IP
+no_proxy=XXX.XXX.XXX.XXX 
 ```
 
 ### 5. GPU环境部署大模型时出现无法流式回复？
@@ -655,22 +629,25 @@ no_proxy=172.21.31.10 # 代理中剔除本机IP
 在服务执行 curl 大模型失败，但是将 `"stream": true` 改为 `"stream": false`就可以 curl 通？
 
 ```bash
-curl http://localhost:30000/v1/chat/completions   -H "Content-Type: application/json"   -H "Authorization: Bearer sk-123456"   -d '{
-"model": "qwen1.5",
-"messages": [
-{
-"role": "system",
-"content": "你是情感分析专家，你的任务是xxxx"
-},
-{
-"role": "user",
-"content": "你好"
-}
-],
-"stream": true,
-"n": 1,
-"max_tokens": 32768
-}'
+curl -X POST http://localhost:30000/v1/chat/completions \
+     -H "Content-Type: application/json" \
+     -H "Authorization: Bearer sk-123456" \
+     -d '{
+           "model": "qwen1.5",
+           "messages": [
+             {
+               "role": "system",
+               "content": "你是情感分析专家，你的任务是xxxx"
+             },
+             {
+               "role": "user",
+               "content": "你好"
+             }
+           ],
+           "stream": true,
+           "n": 1,
+           "max_tokens": 8192
+         }'
 ```
 
 - 解决办法：
@@ -679,18 +656,27 @@ curl http://localhost:30000/v1/chat/completions   -H "Content-Type: application/
 pip install Pydantic=1.10.13
 ```
 
-### 6. 如何部署 sglang？
+### 6. sglang如何部署模型？
 
 ```bash
-# 1. 激活 Conda 环境, 并激活 Python 3.10 的 Conda 环境。假设你的环境名为 `myenv`：
+# 1. 激活名为 `myenv` 的 Conda 环境，该环境基于 Python 3.10 创建：
 conda activate myenv
 
-# 2. 在激活的环境中，安装 sglang[all] 和 flashinfer
-pip install sglang[all]==0.3.0
+# 2. 安装 sglang 及其所有依赖项，指定版本为 0.3.0
+pip install "sglang[all]==0.3.0"
+
+# 3. 从特定索引安装 flashinfer，确保与您的 CUDA 和 PyTorch 版本兼容
 pip install flashinfer -i https://flashinfer.ai/whl/cu121/torch2.4/
 
-# 3. 启动服务器
-python -m sglang.launch_server --served-model-name Qwen2.5-32B --model-path Qwen2.5-32B-Instruct-AWQ --host 0.0.0.0 --port 8001 --api-key sk-12345 --mem-fraction-static 0.5 --tp 8
+# 4. 使用 sglang 启动服务器，配置如下：
+python -m sglang.launch_server \
+    --served-model-name Qwen2.5-32B \
+    --model-path Qwen2.5-32B-Instruct-AWQ \
+    --host 0.0.0.0 \
+    --port 8001 \
+    --api-key "sk-12345" \
+    --mem-fraction-static 0.5 \
+    --tp 8
 ```
 
 - 验证安装
@@ -701,11 +687,10 @@ python -m sglang.launch_server --served-model-name Qwen2.5-32B --model-path Qwen
   ```
 
 - 注意：
-
-  1. API Key：请确保 `--api-key` 参数中的 API 密钥是正确的
-  2. 模型路径： 确保 `--model-path` 参数中的路径是正确的，并且模型文件存在于该路径下。
-  3. CUDA 版本：确保你的系统上安装了 CUDA 12.1 和 PyTorch 2.4，因为 `flashinfer` 包依赖于这些特定版本。
-  4. 线程池大小：根据你的GPU资源和预期负载调整线程池大小。如果你有 8 个 GPU，那么可以选择 --tp 8 来充分利用这些资源。
+1. API Key：请确保 `--api-key` 参数中的 API 密钥是正确的
+2. 模型路径： 确保 `--model-path` 参数中的路径是正确的，并且模型文件存在于该路径下。
+3. CUDA 版本：确保你的系统上安装了 CUDA 12.1 和 PyTorch 2.4，因为 `flashinfer` 包依赖于这些特定版本。
+4. 线程池大小：根据你的GPU资源和预期负载调整线程池大小。如果你有 8 个 GPU，那么可以选择 --tp 8 来充分利用这些资源。
 
 ### 7. 如何 curl embedding?
 
@@ -725,17 +710,15 @@ curl -k -X POST http://$IP:8001/embedding \
 wget https://github.com/FiloSottile/mkcert/releases/download/v1.4.4/mkcert-v1.4.4-linux-amd64
 # arm64 
 wget https://github.com/FiloSottile/mkcert/releases/download/v1.4.4/mkcert-v1.4.4-linux-arm64
-
 # 2. 执行下面的命令生成秘钥
 mkcert -install
 # mkcert 可直接接域名或 IP, 生成证书和秘钥
 mkcert example.com 
-
-# 3. 将证书和秘钥拷贝到 /home/euler-copilot-framework_openeuler/deploy/chart_ssl/traefik-secret.yaml 中, 并执行下面命令使其生效。
+# 3. 将证书和秘钥拷贝到 `/home/euler-copilot-framework_openeuler/deploy/chart_ssl/traefik-secret.yaml` 中, 并执行下面命令使其生效。
 kubectl apply -f traefik-secret.yaml
 ```
 
 ### 8. Pod状态由runnning变为pending？
   
 在Pod正常运行一段时间后，其状态从“Running”全部转变为 “Pending” 或 “Completed”，
-可执行命令`df -h`，查看Pod所在宿主机的存储空间，确保可用空间不低于30%，以保证pod的正常运行。
+可执行命令`df -h`，查看Pod所在宿主机的存储空间，确保可用空间不低于30%，以保证pod的正常运行。
\ No newline at end of file
diff --git "a/docs/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/docs/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 83186358b104c8d51042db780d9850923db6e99c..fc4758c105e99212e0d802656170d33b09aa7ed6 100644
--- "a/docs/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/docs/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"
@@ -4,7 +4,7 @@
 
 openEuler Copilot System 是一款智能问答工具，使用 openEuler Copilot System 可以解决操作系统知识获取的便捷性，并且为OS领域模型赋能开发者及运维人员。作为获取操作系统知识，使能操作系统生产力工具 (如 A-Ops / A-Tune / x2openEuler / EulerMaker / EulerDevOps / StratoVirt / iSulad 等)，颠覆传统命令交付方式，由传统命令交付方式向自然语义进化，并结合智能体任务规划能力，降低开发、使用操作系统特性的门槛。
 
-### 组件介绍
+### 主要组件介绍
 
 | 组件                          | 端口            | 说明                  |
 | ----------------------------- | --------------- | -------------------- |
@@ -37,7 +37,7 @@ openEuler Copilot System 是一款智能问答工具，使用 openEuler Copilot
 | RAM           | >= 64GB                      |
 | 存储          | >= 500 GB                    |
 | GPU           | Tesla V100 16GB，4张         |
-| NPU           | 910ProB、910B                |
+| NPU           | 支持大模型推理的NPU卡或服务器  |              
 
 注意：
 
@@ -143,7 +143,7 @@ cd /home/euler-copilot-framework/deploy/scripts && tree
   cd deploy/chart/databases
   ```
 
-  仅需修改镜像tag为对应架构，其余可不进行修改
+  请根据对应的架构修改镜像标签，并设置数据库密码。
 
   ```bash
   vim values.yaml
@@ -167,7 +167,7 @@ cd /home/euler-copilot-framework/deploy/scripts && tree
   helm install -n euler-copilot databases .
   ```
 
-- 查看 pod 状态
+- 检查 Pod 的状态
 
   ```bash
   kubectl -n euler-copilot get pods
@@ -182,12 +182,10 @@ cd /home/euler-copilot-framework/deploy/scripts && tree
 - 若服务器之前部署过 mysql，则可预先清除下 pvc，再部署 databases。
 
   ```bash
-  # 获取pvc
   kubectl -n euler-copilot get pvc
   ```
 
   ```bash
-  # 删除pvc
   kubectl -n euler-copilot delete pvc mysql-pvc
   ```
 
@@ -209,7 +207,7 @@ cd /home/euler-copilot-framework/deploy/scripts && tree
   1. authHub 需要域名，可预先申请域名或在 'C:\Windows\System32\drivers\etc\hosts' 下配置。
      authhub和euler-copilot必须是同一个根域名的两个子域名, 例如authhub.test.com和
      eulercopilot.test.com
-  2. 修改tag为对应架构的tag;
+  2. 根据对应的架构修改镜像标签，并填写数据库密码。
 
 - 安装 AuthHub
 
@@ -266,7 +264,7 @@ cd /home/euler-copilot-framework/deploy/scripts && tree
   ```
 
   - 注意：
-  1. 查看系统架构，并修改values.yaml中的tag；
+  1. 根据对应的架构修改镜像标签，并填写数据库密码。；
   2. 修改values.yaml中的globals的domain为EulerCopilot域名，并配置大模型的相关信息
   3. 手动创建`docs_dir`、`plugin_dir`、`models`三个文件挂载目录
   4. 修改values.yaml中framework章节的web_url和oidc设置
@@ -300,9 +298,6 @@ cd /home/euler-copilot-framework/deploy/scripts && tree
   ```
 
   注意：如果 Pod 状态出现失败，建议按照以下步骤进行排查
-
-注意：如果 Pod 状态出现失败，建议按照以下步骤进行排查
-
   1. 查看 Kubernetes 集群的事件 (Events)，以获取更多关于 Pod 失败的上下文信息
 
      ```bash
@@ -354,18 +349,7 @@ cd /home/euler-copilot-framework/deploy/scripts && tree
 
 ## 构建专有领域智能问答
 
-### 1. 构建 openEuler 专业知识领域的智能问答
-
-  1. 修改 values.yaml 的 pg 的镜像仓为 `pg-data`
-  2. 修改 values.yaml 的 rag 部分的字段 `knowledgebaseID: openEuler_2bb3029f`
-  3. 将 `vim deploy/chart/databases/templates/pgsql/pgsql-deployment.yaml` 的 volumes 相关字段注释
-  4. 进入 `cd deploy/chart/databases`，执行更新服务 `helm upgrade -n euler-copilot databases .`
-  5. 进入 `cd deploy/chart/euler_copilot`，执行更新服务 `helm upgrade -n euler-copilot service .`
-  6. 进入网页端进行 openEuler 专业知识领域的问答
-
-### 2. 构建项目专属知识领域智能问答
-
-详细信息请参考文档 [本地资产库构建指南](本地资产库构建指南.md)
+详细信息请参考文档 [本地资产库构建指南](./本地资产库构建指南.md)
 
 ## 附录
 
@@ -474,8 +458,7 @@ NPU 环境部署可参考链接 [MindIE安装指南](https://www.hiascend.com/do
 
 ```text
 File "/usr/lib/python3.9/site-packages/urllib3/connection.py", line 186, in _new_conn
-raise NewConnectionError(
-urllib3.exceptions.eanconectionError: <urlib3.comnection.Hipscomnection object at exfblab6490>: Failed to establish a new conmection: [Errno 101] Network is unreachable
+raise NewConnectionError(urllib3.exceptions.eanconectionError: <urlib3.comnection.Hipscomnection object at exfblab6490>: Failed to establish a new conmection: [Errno 101] Network is unreachable
 ```
 
 - 解决办法
@@ -493,10 +476,13 @@ export HF_ENDPOINT=https://hf-mirror.com
 - 请先进入到 RAG 对应 Pod
 
 ```bash
-curl  -k -X POST "http://localhost:8005/kb/get_answer"  -H "Content-Type: application/json"  -d '{ \
-      "question": "", \
-      "kb_sn": "default_test", \
-      "fetch_source": true  }'
+curl -k -X POST "http://localhost:8005/kb/get_answer" \
+     -H "Content-Type: application/json" \
+     -d '{
+           "question": "",
+           "kb_sn": "default_test",
+           "fetch_source": true
+         }'
 ```
 
 ### 3. 执行 `helm upgrade` 报错?
@@ -530,10 +516,11 @@ export KUBECONFIG=/etc/rancher/k3s/k3s.yaml
 cat /etc/systemd/system/k3s.service.env
 ```
 
-```text
-http_proxy="http://172.21.60.51:3128"
-https_proxy="http://172.21.60.51:3128"
-no_proxy=172.21.31.10 # 代理中剔除本机IP
+```bash
+http_proxy="http://XXX:XXX"
+https_proxy="http://XXX:XXX"
+# 代理中剔除本机IP
+no_proxy=XXX.XXX.XXX.XXX 
 ```
 
 ### 5. GPU环境部署大模型时出现无法流式回复？
@@ -541,22 +528,25 @@ no_proxy=172.21.31.10 # 代理中剔除本机IP
 在服务执行 curl 大模型失败，但是将 `"stream": true` 改为 `"stream": false`就可以 curl 通？
 
 ```bash
-curl http://localhost:30000/v1/chat/completions   -H "Content-Type: application/json"   -H "Authorization: Bearer sk-123456"   -d '{
-"model": "qwen1.5",
-"messages": [
-{
-"role": "system",
-"content": "你是情感分析专家，你的任务是xxxx"
-},
-{
-"role": "user",
-"content": "你好"
-}
-],
-"stream": true,
-"n": 1,
-"max_tokens": 32768
-}'
+curl -X POST http://localhost:30000/v1/chat/completions \
+     -H "Content-Type: application/json" \
+     -H "Authorization: Bearer sk-123456" \
+     -d '{
+           "model": "qwen1.5",
+           "messages": [
+             {
+               "role": "system",
+               "content": "你是情感分析专家，你的任务是xxxx"
+             },
+             {
+               "role": "user",
+               "content": "你好"
+             }
+           ],
+           "stream": true,
+           "n": 1,
+           "max_tokens": 8192
+         }'
 ```
 
 - 解决办法：
@@ -565,18 +555,27 @@ curl http://localhost:30000/v1/chat/completions   -H "Content-Type: application/
 pip install Pydantic=1.10.13
 ```
 
-### 6. 如何部署 sglang？
+### 6. sglang如何部署模型？
 
 ```bash
-# 1. 激活 Conda 环境, 并激活 Python 3.10 的 Conda 环境。假设你的环境名为 `myenv`：
+# 1. 激活名为 `myenv` 的 Conda 环境，该环境基于 Python 3.10 创建：
 conda activate myenv
 
-# 2. 在激活的环境中，安装 sglang[all] 和 flashinfer
-pip install sglang[all]==0.3.0
+# 2. 安装 sglang 及其所有依赖项，指定版本为 0.3.0
+pip install "sglang[all]==0.3.0"
+
+# 3. 从特定索引安装 flashinfer，确保与您的 CUDA 和 PyTorch 版本兼容
 pip install flashinfer -i https://flashinfer.ai/whl/cu121/torch2.4/
 
-# 3. 启动服务器
-python -m sglang.launch_server --served-model-name Qwen2.5-32B --model-path Qwen2.5-32B-Instruct-AWQ --host 0.0.0.0 --port 8001 --api-key sk-12345 --mem-fraction-static 0.5 --tp 8
+# 4. 使用 sglang 启动服务器，配置如下：
+python -m sglang.launch_server \
+    --served-model-name Qwen2.5-32B \
+    --model-path Qwen2.5-32B-Instruct-AWQ \
+    --host 0.0.0.0 \
+    --port 8001 \
+    --api-key "sk-12345" \
+    --mem-fraction-static 0.5 \
+    --tp 8
 ```
 
 - 验证安装
@@ -587,11 +586,10 @@ python -m sglang.launch_server --served-model-name Qwen2.5-32B --model-path Qwen
   ```
 
 - 注意：
-
-  1. API Key：请确保 `--api-key` 参数中的 API 密钥是正确的
-  2. 模型路径： 确保 `--model-path` 参数中的路径是正确的，并且模型文件存在于该路径下。
-  3. CUDA 版本：确保你的系统上安装了 CUDA 12.1 和 PyTorch 2.4，因为 `flashinfer` 包依赖于这些特定版本。
-  4. 线程池大小：根据你的GPU资源和预期负载调整线程池大小。如果你有 8 个 GPU，那么可以选择 --tp 8 来充分利用这些资源。
+1. API Key：请确保 `--api-key` 参数中的 API 密钥是正确的
+2. 模型路径： 确保 `--model-path` 参数中的路径是正确的，并且模型文件存在于该路径下。
+3. CUDA 版本：确保你的系统上安装了 CUDA 12.1 和 PyTorch 2.4，因为 `flashinfer` 包依赖于这些特定版本。
+4. 线程池大小：根据你的GPU资源和预期负载调整线程池大小。如果你有 8 个 GPU，那么可以选择 --tp 8 来充分利用这些资源。
 
 ### 7. 如何 curl embedding?