update readme

README.md

@@ -7,19 +7,29 @@
 	</p>
 </h1>
 
-## 初衷
+## 因为热爱，所以分享
 
-分享自己在工作学习过程中对于Agent所有的知识点，并定期将其编写成一篇篇博客，进而跟大家讨论学习，共同进步。
+我始终相信开源，也热爱分享在工作学习过程中对于Agent所有觉得有价值、有意思的知识点，并定期将其编写成一篇篇博客，进而跟大家讨论学习，共同进步。
+
+也非常欢迎大家能够一起贡献 PR 来不断完善此博客，不断完善，让其成为一个真正的 Agent Handbook。
+
+## 知识点
+
+### Agent Introduction
+
+[![What's next for AI agentic workflows ft. Andrew Ng of AI Fund](https://img.youtube.com/vi/sal78ACtGTc/0.jpg)](https://www.youtube.com/watch?v=sal78ACtGTc)
+
+### Agent Workflow
 
 ## Paper Reading
 
-* **ORPO: Monolithic Preference Optimization without Reference Model**
+### ORPO: Monolithic Preference Optimization without Reference Model
 
 ORPO 提出了一个非常创新的方法：将 模型对齐阶段 和 SFT阶段 融合到一起，进而提升模型的训练方法。
 
 在 SFT 阶段，就直接将对齐的数据加入到训练当中，进而在SFT 阶段就已经实现了模型对齐的能力。
 
-* **Self-play with Execution Feedback: Improving Instruction-following Capabilities of Large Language Models**
+### Self-play with Execution Feedback: Improving Instruction-following Capabilities of Large Language Models
 
 `解决的问题`：此论文旨在提升提供一个创建高质量指令跟随数据集的方法，进而提高在不同方法中指令学习的能力。