diff --git a/README.md b/README.md
index a92ea86..d1195ad 100644
--- a/README.md
+++ b/README.md
@@ -1,18 +1,34 @@
 # LLM Proxy - OpenAI API 代理和训练数据收集工具
 
-一个透明的 HTTP 代理服务器，用于拦截和保存 LLM API 请求，自动导出为 JSONL 格式的训练数据。
+一个透明的 HTTP 代理服务器，用于拦截和保存 LLM API 请求，自动导出为 JSONL 格式的训练数据。项目仓库：
 
-## 功能特性
+https://gitea.spdis.space/spdis/LLMPoxy.git
+
+## 功能特性（当前状态）
 
 - ✅ **透明代理**：拦截所有 `/v1/` 开头的 LLM API 请求
 - ✅ **零配置**：无需在代理中配置 API Key，直接使用客户端的 Key
-- ✅ **多提供商支持**：支持 OpenAI、Anthropic、GLM、OpenRouter 等所有 OpenAI 兼容的 API
+- ✅ **多提供商支持（标准 OpenAI 兼容）**：支持 OpenAI / DeepSeek / OpenRouter 等标准 OpenAI 接口
 - ✅ **智能解析**：自动识别和解析 LLM 请求，忽略其他请求
 - ✅ **思考过程保存**：自动保存模型的推理内容（reasoning）
-- ✅ **多轮对话支持**：完整保存对话上下文
+- ✅ **多轮对话支持（Cherry Studio 已实战验证）**：自动根据首个 system + 首轮 user 推断对话 ID，将多次请求归并为同一条对话
 - ✅ **JSONL 导出**：一键导出为标准训练数据格式
 - ✅ **SQLite 存储**：轻量级数据库，无需额外配置
 
+## 已完成的支持
+
+- ✅ Cherry Studio 这类“每次请求带完整 history”的 OpenAI API 调用范式：
+  - 自动识别多轮对话并归并 conversation
+  - 完整捕获系统提示词、用户消息、思考过程（reasoning / reasoning_content）、工具调用（tool_calls）和工具返回（tool）
+  - 导出的 JSONL 中，按时间顺序拼接对话，避免重复的 system / user 消息
+
+## 待办 / 规划
+
+- ⏳ 适配 Trae 等自动化 IDE：
+  - 分析 Trae 的请求模式（包括内部调度、子模型调用、工具链）
+  - 在不破坏现有 Cherry Studio 方案的前提下，扩展 host/path 识别规则
+  - 验证多子模型、多工具链场景下的数据结构是否适合作为训练样本
+
 ## 安装
 
 ### 1. 克隆项目
@@ -58,14 +74,7 @@ networksetup -setsecurewebproxy Wi-Fi 127.0.0.1 8080
 
 在浏览器或系统设置中配置 HTTP/HTTPS 代理为 `127.0.0.1:8080`
 
-### 使用客户端
-
-#### Trae
-
-1. 启动代理服务器
-2. 配置系统代理（见上）
-3. 在 Trae 中正常使用，配置任何 API 提供商和 Key
-4. 所有请求自动被拦截和保存
+### 使用客户端（当前推荐）
 
 #### CherryStudio