diff --git a/README.md b/README.md
index 0dbf30e..1b544c3 100644
--- a/README.md
+++ b/README.md
@@ -428,7 +428,7 @@ Settings → Collaborators → 添加其他组员（使用 `st+学号` 搜索）
 - [ ] `.gitignore` 已创建且包含必要规则
 - [ ] `.env.example` 已提交，`.env` 未提交
 - [ ] 没有提交 API Key 或敏感信息
-- [ ] 没有提交大于 50MB 的文件
+- [ ] 没有提交大于 10MB 的文件
 
 ---
 
@@ -444,7 +444,7 @@ Settings → Collaborators → 添加其他组员（使用 `st+学号` 搜索）
 - [ ] ML 模型完成并保存
 - [ ] Agent 工具调用测试通过
 - [ ] Streamlit Demo 可运行
-- [ ] REPORT.md 初稿完成
+- [ ] README.md 初稿完成
 
 ---
 
@@ -509,7 +509,7 @@ uv run streamlit run src/streamlit_app.py
 
 ## 评分标准（总分 100）
 
-> ⚠️ 所有分析、对比、决策逻辑都必须在 `REPORT.md` 中清晰体现。
+> ⚠️ 所有分析、对比、决策逻辑都必须在 `README.md` 中清晰体现。
 
 ### A. 问题与数据（10 分）
 
@@ -678,8 +678,7 @@ DEEPSEEK_API_KEY=your-key-here
 ml_course_design/
 ├── pyproject.toml            # 项目配置与依赖
 ├── uv.lock                   # 锁定的依赖版本
-├── README.md                 # 说明文档
-├── REPORT.md                 # 项目报告
+├── README.md                 # 项目说明与报告
 ├── .env.example              # 环境变量模板
 ├── .gitignore                # Git 忽略规则
 │
@@ -706,28 +705,131 @@ ml_course_design/
 
 ## README.md 模板（你的项目）
 
-请在你的项目 README.md 中包含以下内容：
+请将以下内容作为你项目 `README.md` 的模板
 
 ```markdown
-## 团队成员
+# 项目名称
+
+> **机器学习 (Python) 课程设计**
+
+## 👥 团队成员
 
 | 姓名 | 学号 | 贡献 |
 |------|------|------|
 | 张三 | 2024001 | 数据处理、模型训练 |
 | 李四 | 2024002 | Agent 开发、Streamlit |
-| 王五 | 2024003 | 报告撰写、测试 |
+| 王五 | 2024003 | 测试、文档撰写 |
 
-## 项目简介
+## 📝 项目简介
 
 （1-2 段描述项目目标、选用的数据集、解决的问题）
 
-## 快速开始
+## 🚀 快速开始
 
-（如何安装依赖、运行 demo）
+```bash
+# 克隆仓库
+git clone http://hblu.top:3000/MachineLearning2025/GXX-ProjectName.git
+cd GXX-ProjectName
 
-## 开发心得
+# 安装依赖
+uv sync
 
-（遇到的主要困难、解决方案、对 AI 辅助编程的感受）
+# 配置环境变量
+cp .env.example .env
+# 编辑 .env 填入 API Key
+
+# 运行 Demo
+uv run streamlit run src/streamlit_app.py
+```
+
+---
+
+## 1️⃣ 问题定义与数据
+
+### 1.1 任务描述
+
+（描述预测任务类型：分类/回归/时序，以及业务目标）
+
+### 1.2 数据来源
+
+| 项目 | 说明 |
+|------|------|
+| 数据集名称 | XXX |
+| 数据链接 | [Kaggle](https://...) |
+| 样本量 | X,XXX 条 |
+| 特征数 | XX 个 |
+
+### 1.3 数据切分与防泄漏
+
+（如何切分训练/验证/测试集？如何确保没有数据泄漏？）
+
+---
+
+## 2️⃣ 机器学习流水线
+
+### 2.1 基线模型
+
+| 模型 | 指标 | 结果 |
+|------|------|------|
+| Logistic Regression | ROC-AUC | 0.XX |
+
+### 2.2 进阶模型
+
+| 模型 | 指标 | 结果 |
+|------|------|------|
+| LightGBM | ROC-AUC | 0.XX |
+
+### 2.3 误差分析
+
+（模型在哪些样本上表现不佳？为什么？）
+
+---
+
+## 3️⃣ Agent 实现
+
+### 3.1 工具定义
+
+| 工具名 | 功能 | 输入 | 输出 |
+|--------|------|------|------|
+| `predict_risk` | 调用 ML 模型预测 | CustomerFeatures | float |
+| `explain_features` | 解释特征影响 | CustomerFeatures | list[str] |
+
+### 3.2 决策流程
+
+（Agent 如何使用工具？如：预测 → 解释 → 建议）
+
+### 3.3 案例展示
+
+**输入**：
+```
+请分析这位客户的流失风险：年龄 35，任期 2 个月，月费 89.99
+```
+
+**输出**：
+```json
+{
+  "risk_score": 0.72,
+  "decision": "高风险，建议主动挥留",
+  "actions": ["发送优惠短信", "客服回访"],
+  "rationale": "新客户 + 月付合同是流失高危特征"
+}
+```
+
+---
+
+## 4️⃣ 开发心得
+
+### 4.1 主要困难与解决方案
+
+（遇到的最大困难是什么？如何解决？）
+
+### 4.2 对 AI 辅助编程的感受
+
+（使用 AI 工具的体验如何？哪些场景有帮助？哪些地方需要注意？）
+
+### 4.3 局限与未来改进
+
+（如果有更多时间，还有哪些可以改进的地方？）
 ```
 
 ---
@@ -765,7 +867,7 @@ ml_course_design/
 - [ ] 使用 Polars 进行数据处理
 - [ ] 使用 Pydantic 定义特征和输出模型
 - [ ] Agent 至少有 2 个 tool（含 1 个 ML 工具）
-- [ ] REPORT.md 说明了数据切分策略
+- [ ] README.md 说明了数据切分策略
 - [ ] Demo 可以正常运行
 
 ---
diff --git a/REPORT.md b/REPORT.md
deleted file mode 100644
index 2158db5..0000000
--- a/REPORT.md
+++ /dev/null
@@ -1,44 +0,0 @@
-# 项目报告：[项目名称]
-
-> **小组成员**:
-> - [姓名] (学号)
-> - [姓名] (学号)
-
-## 1. 问题定义与数据
-### 1.1 任务描述
-<!-- 描述预测任务（分类/回归/时序）和业务目标。 -->
-
-### 1.2 数据来源与说明
-<!-- 数据集链接。描述字段、样本量以及所做的任何预处理。 -->
-
-### 1.3 数据切分与防泄露
-<!-- 即使如何切分训练/验证/测试集？如何确保没有数据泄露（特别是对于时序或多表数据）？ -->
-
-## 2. 机器学习流水线
-### 2.1 基线模型
-<!-- 你的基线模型是什么？（例如：使用默认参数的逻辑回归）。它的表现如何？ -->
-
-### 2.2 进阶模型
-<!-- 你改进后的模型是什么？（例如：LightGBM, Random Forest）。为什么选择它？ -->
-
-### 2.3 评估与误差分析
-<!-- 展示指标（F1, AUC 等）。分析模型在哪些样本上表现不佳及其原因。 -->
-
-## 3. Agent 实现
-### 3.1 工具定义
-<!-- 列出你实现的工具。 -->
-- `tool_name_1`: 描述...
-- `tool_name_2`: 描述...
-
-### 3.2 决策逻辑
-<!-- Agent 如何使用工具？（例如：预测 -> 解释 -> 建议）。 -->
-
-### 3.3 案例展示
-<!-- 展示一个真实的交互示例（输入 -> 系统响应）。 -->
-
-## 4. 反思
-### 4.1 挑战与解决方案
-<!-- 最困难的部分是什么？你是如何解决的？ -->
-
-### 4.2 局限与未来改进
-<!-- 如果有更多时间，还有哪些可以改进的地方？ -->