diff --git a/README.md b/README.md
index 58d108af..af099c6e 100644
--- a/README.md
+++ b/README.md
@@ -14,6 +14,10 @@
Remember Me, Refine Me.
+
+ English | 简体中文
+
+
---
ReMe provides AI agents with a unified memory system—enabling the ability to extract, reuse, and share memories across
diff --git a/README_zh.md b/README_zh.md
new file mode 100644
index 00000000..197a42b4
--- /dev/null
+++ b/README_zh.md
@@ -0,0 +1,335 @@
+
+ 
+
+
+
+ 
+ 
+ 
+ 
+
+
+
+ Agentscope ReMe：面向智能体的记忆管理工具包
+ Remember Me, Refine Me.
+
+
+
+ English | 简体中文
+
+
+---
+
+ReMe 为智能体提供统一的记忆系统——支持在用户、任务与智能体之间提取、复用与共享记忆。
+
+```
+个人记忆 Personal + 任务记忆 Task + 工具记忆 Tool = 智能体记忆 Agent Memory
+```
+
+个人记忆用于“理解用户偏好”，任务记忆用于“提升任务表现”，工具记忆用于“更聪明地使用工具”。
+
+---
+
+## ✨ 架构设计
+
+
+ 
+
+
+ReMe 集成三类互补的记忆能力：
+
+#### 🧠 任务记忆 / 经验记忆
+可在不同智能体之间复用的程序性知识
+- 成功模式识别：总结有效策略与其原理
+- 失败分析学习：吸取错误避免重复
+- 对比式记忆：多采样轨迹带来更有价值的经验
+- 验证机制：通过验证模块确认经验有效性
+
+详见文档：[任务记忆](docs/task_memory/task_memory.md)
+
+#### 👤 个人记忆
+面向特定用户的情境化记忆
+- 个体偏好：习惯、偏好、交互风格
+- 情境自适应：基于时间与上下文的智能管理
+- 渐进式学习：长期交互中逐步深入理解
+- 时间敏感：在检索与整合中考虑时间因素
+
+详见文档：[个人记忆](docs/personal_memory/personal_memory.md)
+
+#### 🔧 工具记忆
+基于数据的工具选择与使用优化
+- 历史表现追踪：成功率、耗时与 Token 成本
+- LLM-as-Judge：为什么成功/失败的定性洞察
+- 参数优化：从成功调用中学习最优参数
+- 动态指南：将静态工具描述转为可演化的“活文档”
+
+详见文档：[工具记忆](docs/tool_memory/tool_memory.md)
+
+---
+
+## 📰 最新进展
+
+- [2025-10] 直接 Python 导入：`from reme_ai import ReMeApp`，无需 HTTP/MCP 服务
+- [2025-10] 工具记忆：数据驱动的工具选择与参数优化（见指南 docs/tool_memory/tool_memory.md）
+- [2025-09] 支持异步操作，已集成至 agentscope-runtime
+- [2025-09] 集成任务记忆与个人记忆
+- [2025-09] 在 Appworld、BFCL(v3)、FrozenLake 验证有效性（见 docs/cookbook）
+- [2025-08] 支持 MCP 协议（见 docs/mcp_quick_start.md）
+- [2025-06] 多后端向量库（Elasticsearch 与 ChromaDB）（见 docs/vector_store_api_guide.md）
+- [2024-09] 个性化与时间敏感的记忆存储
+
+---
+
+## 🛠️ 安装
+
+### 通过 PyPI 安装（推荐）
+
+```bash
+pip install reme-ai
+```
+
+### 从源码安装
+
+```bash
+git clone https://github.com/agentscope-ai/ReMe.git
+cd ReMe
+pip install .
+```
+
+### 环境变量配置
+
+复制 `example.env` 为 `.env` 并按需修改：
+
+```bash
+FLOW_LLM_API_KEY=sk-xxxx
+FLOW_LLM_BASE_URL=https://xxxx/v1
+FLOW_EMBEDDING_API_KEY=sk-xxxx
+FLOW_EMBEDDING_BASE_URL=https://xxxx/v1
+```
+
+---
+
+## 🚀 快速开始
+
+### 启动 HTTP 服务
+
+```bash
+reme \
+ backend=http \
+ http.port=8002 \
+ llm.default.model_name=qwen3-30b-a3b-thinking-2507 \
+ embedding_model.default.model_name=text-embedding-v4 \
+ vector_store.default.backend=local
+```
+
+### 启动 MCP Server
+
+```bash
+reme \
+ backend=mcp \
+ mcp.transport=stdio \
+ llm.default.model_name=qwen3-30b-a3b-thinking-2507 \
+ embedding_model.default.model_name=text-embedding-v4 \
+ vector_store.default.backend=local
+```
+
+### 核心 API 用法
+
+#### 任务记忆管理
+
+```python
+import requests
+
+# 经验总结：从执行轨迹中学习
+response = requests.post("http://localhost:8002/summary_task_memory", json={
+ "workspace_id": "task_workspace",
+ "trajectories": [
+ {"messages": [{"role": "user", "content": "Help me create a project plan"}], "score": 1.0}
+ ]
+})
+
+# 记忆检索：获取相关经验
+response = requests.post("http://localhost:8002/retrieve_task_memory", json={
+ "workspace_id": "task_workspace",
+ "query": "How to efficiently manage project progress?",
+ "top_k": 1
+})
+```
+
+详情可见同页下方 Python 导入 / curl / Node.js 示例，接口参数与英文版一致。
+
+#### 个人记忆管理
+
+```python
+# 记忆整合：从用户交互中学习
+response = requests.post("http://localhost:8002/summary_personal_memory", json={
+ "workspace_id": "task_workspace",
+ "trajectories": [
+ {"messages":
+ [
+ {"role": "user", "content": "I like to drink coffee while working in the morning"},
+ {"role": "assistant",
+ "content": "I understand, you prefer to start your workday with coffee to stay energized"}
+ ]
+ }
+ ]
+})
+
+# 记忆检索：获取个人记忆片段
+response = requests.post("http://localhost:8002/retrieve_personal_memory", json={
+ "workspace_id": "task_workspace",
+ "query": "What are the user's work habits?",
+ "top_k": 5
+})
+```
+
+#### 工具记忆管理
+
+```python
+import requests
+
+# 记录工具调用结果
+response = requests.post("http://localhost:8002/add_tool_call_result", json={
+ "workspace_id": "tool_workspace",
+ "tool_call_results": [
+ {
+ "create_time": "2025-10-21 10:30:00",
+ "tool_name": "web_search",
+ "input": {"query": "Python asyncio tutorial", "max_results": 10},
+ "output": "Found 10 relevant results...",
+ "token_cost": 150,
+ "success": True,
+ "time_cost": 2.3
+ }
+ ]
+})
+
+# 从历史生成使用指南
+response = requests.post("http://localhost:8002/summary_tool_memory", json={
+ "workspace_id": "tool_workspace",
+ "tool_names": "web_search"
+})
+
+# 在使用前检索指南
+response = requests.post("http://localhost:8002/retrieve_tool_memory", json={
+ "workspace_id": "tool_workspace",
+ "tool_names": "web_search"
+})
+```
+
+---
+
+## 📦 开箱即用的记忆库
+
+ReMe 提供可直接使用的记忆文件，内含已验证的最佳实践：
+
+### 可用记忆
+- `appworld.jsonl`：Appworld 交互记忆，覆盖复杂任务规划与执行
+- `bfcl_v3.jsonl`：BFCL 工具调用工作记忆
+
+### 快速使用
+
+```python
+# 加载内置记忆
+response = requests.post("http://localhost:8002/vector_store", json={
+ "workspace_id": "appworld",
+ "action": "load",
+ "path": "./docs/library/"
+})
+
+# 查询相关记忆
+response = requests.post("http://localhost:8002/retrieve_task_memory", json={
+ "workspace_id": "appworld",
+ "query": "How to navigate to settings and update user profile?",
+ "top_k": 1
+})
+```
+
+---
+
+## 🧪 实验结果
+
+### 🌍 Appworld 实验（qwen3-8b）
+
+| 方法 | pass@1 | pass@2 | pass@4 |
+|----------------|-------------------|-------------------|-------------------|
+| 无 ReMe | 0.083 | 0.140 | 0.228 |
+| 使用 ReMe | 0.109（+2.6%） | 0.175（+3.5%） | 0.281（+5.3%） |
+
+Pass@K 衡量在生成 K 个候选中至少一个成功完成任务（score=1）的概率。
+当前实验使用内部 AppWorld 环境，可能存在轻微差异。复现实验详见 `docs/cookbook/appworld/quickstart.md`。
+
+### 🧊 FrozenLake 实验（qwen3-8b，100 张随机地图）
+
+| 方法 | 通过率 |
+|----------------|------------------|
+| 无 ReMe | 0.66 |
+| 使用 ReMe | 0.72（+6.0%） |
+
+### 🔧 工具记忆基准（Qwen3-30B-Instruct）
+
+| 场景 | 平均分 | 提升 |
+|-----------------------|--------|----------|
+| 训练集（无记忆） | 0.650 | - |
+| 测试集（无记忆） | 0.672 | 基线 |
+| 测试集（使用记忆） | 0.772 | +14.88% |
+
+关键结论：
+- 工具记忆可基于历史表现进行数据驱动的工具选择
+- 通过学习参数配置，成功率提升约 15%
+
+更多细节见 `docs/tool_memory/tool_bench.md` 与实现 `cookbook/tool_memory/run_reme_tool_bench.py`。
+
+---
+
+## 📚 资源
+
+- 快速上手：`./cookbook/simple_demo`
+ - 工具记忆演示：`cookbook/simple_demo/use_tool_memory_demo.py`
+ - 工具记忆基准：`cookbook/tool_memory/run_reme_tool_bench.py`
+- 向量库配置指南：`docs/vector_store_api_guide.md`
+- MCP 使用指南：`docs/mcp_quick_start.md`
+- 个人记忆 / 任务记忆 / 工具记忆的运算符说明与可配置流程：见 `docs/personal_memory`、`docs/task_memory`、`docs/tool_memory`
+- 案例集：`./cookbook`
+
+---
+
+## 🤝 参与贡献
+
+我们相信最好的记忆系统来自群体智慧。欢迎贡献 👉 文档见 `docs/contribution.md`。
+
+### 代码贡献
+- 新操作与工具开发
+- 后端实现与性能优化
+- API 增强与新端点
+
+### 文档改进
+- 使用示例与教程
+- 最佳实践指南
+
+---
+
+## 📄 引用
+
+```bibtex
+@software{AgentscopeReMe2025,
+ title = {AgentscopeReMe: Memory Management Kit for Agents},
+ author = {Li Yu, Jiaji Deng, Zouying Cao},
+ url = {https://reme.agentscope.io},
+ year = {2025}
+}
+```
+
+---
+
+## ⚖️ 许可证
+
+本项目基于 Apache License 2.0 开源，详见 [LICENSE](./LICENSE)。
+
+---
+
+## Star 历史
+
+[](https://www.star-history.com/#modelscope/ReMe&Date)
+
+