diff --git a/.gitignore b/.gitignore
index 4c77b4c..4bb1e75 100644
--- a/.gitignore
+++ b/.gitignore
@@ -22,8 +22,5 @@ Thumbs.db
 # ---- Playwright MCP ----
 .playwright-mcp/
 
-# ---- 截图 ----
-*.png
-
 # ---- Obsidian ----
 .obsidian/
diff --git a/README.md b/README.md
index f391ec9..dd9d270 100644
--- a/README.md
+++ b/README.md
@@ -2,20 +2,48 @@
 
 多模态实时 AI 视觉对话助手。用户通过摄像头和麦克风与 AI 交互，AI 理解视觉场景和语音输入后，以文字和语音形式给出自然回应。
 
-- 路演视频 [哔哩哔哩视频](https://www.bilibili.com/video/BV1dDJK6cE5S/)
+- **路演视频**：[哔哩哔哩弹幕网——七牛云第四批议题1](https://www.bilibili.com/video/BV1dDJK6cE5S/)
+- **线上体验**：http://8.161.227.145:9000
+
+> ⚠️ **注意**：由于线上地址使用 HTTP 协议，浏览器默认禁止在非 HTTPS 环境下调用摄像头和麦克风。需要按以下步骤配置 Chrome 浏览器：
+>
+> 1. 在浏览器地址栏中输入 `chrome://flags/#unsafely-treat-insecure-origin-as-secure`，回车
+> 2. 将 **Insecure origins treated as secure** 选项设置为 **Enabled**（已启用）
+> 3. 在输入框中输入 `http://8.161.227.145:9000` 地址
+> 4. 点击右下角弹出的 **Relaunch** 按钮，自动重启浏览器
+>
+> 重启后即可在该 HTTP 地址下正常调用摄像头和麦克风。
+
+![](docs/pictures/1.png)
 
 ## 架构
 
 三层系统，前端做轻量预处理，后端做智能编排，云端 AI 服务按需调用：
 
-```
-浏览器客户端                    Go 网关 :8080                    云端 AI 服务
-┌─────────────────┐          ┌─────────────────┐          ┌─────────────────┐
-│ 媒体采集         │          │ WebSocket Handler│          │ STT（语音识别）   │
-│ VAD 语音检测     │  WebSocket│ Session Manager  │   HTTP   │ LLM（多模态推理） │
-│ 关键帧检测       │ ◄──────► │ AI Orchestrator  │ ◄──────► │ TTS（语音合成）   │
-│ UI 渲染          │          │ REST API         │          │                 │
-└─────────────────┘          └─────────────────┘          └─────────────────┘
+```mermaid
+graph TB
+    subgraph client[浏览器客户端]
+        A1[媒体采集]
+        A2[VAD 语音检测]
+        A3[关键帧检测]
+        A4[UI 渲染]
+    end
+
+    subgraph gateway[Go 网关 :8080]
+        B1[WebSocket Handler]
+        B2[Session Manager]
+        B3[AI Orchestrator]
+        B4[REST API]
+    end
+
+    subgraph cloud[云端 AI 服务]
+        C1[STT 语音识别]
+        C2[LLM 多模态推理]
+        C3[TTS 语音合成]
+    end
+
+    client <-->|WebSocket| gateway
+    gateway <-->|HTTP| cloud
 ```
 
 **关键模式**：LLM 文本流和 TTS 音频流并行推送，用户先看到文字、紧接着听到语音，感知延迟 < 0.5 秒。
diff --git a/docs/pictures/1.png b/docs/pictures/1.png
new file mode 100644
index 0000000..091c616
Binary files /dev/null and b/docs/pictures/1.png differ