diff --git a/MultiAgentOptions.md b/MultiAgentOptions.md
index 10f58c7..f5f2d6e 100644
--- a/MultiAgentOptions.md
+++ b/MultiAgentOptions.md
@@ -7,8 +7,8 @@
 
 ## 多智能体框架评测对象
 
-- LangGraph
-- Spring AI Alibaba Graph
+- LangGraph（以图结构编排智能体）
+- Spring AI Alibaba Graph（以图结构编排智能体）
 - AutoGen
 - CrewAI
 
@@ -65,9 +65,8 @@
 
 - 开源协议：MIT
 - 语言：Python
-- 核心：使用图结构编排智能体，相比LangChain的链式调用，能够应对更多场景、更复杂的任务。
-- 亮点：内置 Checkpoint 和中断、持久化机制，在执行期间发生中断，恢复时可以从 Checkpoint 继续执行。适合通过**人工干预**保障执行过程的正确性，以及**长时间运行的任务**发生异常中断从 Checkpoint 恢复执行，而不必重新开始，这是 
-  LangGraph 的独到之处
+- 核心：使用图结构编排智能体，相比链式调用，能够应对更多场景、更复杂的任务。
+- 亮点：内置 Checkpoint 和中断、持久化机制，在执行期间发生中断，恢复时可以从 Checkpoint 继续执行。适合通过**人工干预**保障执行过程的正确性，以及**长时间运行的任务**发生异常中断从 Checkpoint 恢复执行，而不必重新开始。
 - 补充：官方的 LangGraph Platform 还提供了配套的 LangGraph Studio 用于开发智能体的 IDE，它支持可视化、交互和调试，还与 LangSmith 集成，以实现追踪、评估和提示工程。
 - 模型：参见上文对于 LangChain 支持的模型提供商说明
 
@@ -86,10 +85,9 @@
 
 - 开源协议：MIT
 - 语言：Python、.NET
-- 核心：通过智能体运行时环境，使用消息作为多智能体之间的通信载体，基于发布订阅的模式在智能体之间实现1对1和1对多的传播形式。
+- 核心：用多个智能体扮演不同的角色，让其更专注于细粒度的任务。使用团队去关联多个智能体，用消息作为团队成员之间的通信方式，让团队之间"沟通"并共同完成任务。
 - 亮点：命令行代码执行器能够将Python代码块打包成1个文件，丢到 Docker 容器执行，或者在本机开启1个新的进程执行。这种方式更安全，也是 LangGraph 
-  不具备的特性。除此之外，官方提供了一系列多智能体的设计模式，来辅助开发者设计与开发多智能体。
-- 补充：AutoGen 还提供了一个免费的、本地化部署的 AutoGen Studio 可视化工具，旨在帮助开发团队快速原型化多智能体。
+  不具备的特性。除此之外，官方提供了一系列多智能体的设计模式，来辅助开发者设计与开发多智能体。AutoGen 还提供了一个免费的、本地化部署的 AutoGen Studio 可视化工具，旨在帮助开发团队快速原型化多智能体。
 - 模型：OpenAI API 兼容的模型提供商、托管在 Azure 上的模型、Ollama、Anthropic，通过 SKChatCompletionAdapter 已适配的其它 LLM 提供商有：Google、MistralAI、AWS、Hugging Face。
 
 官方提供了以下多智能体设计模式
@@ -107,8 +105,8 @@
 
 - 开源协议：MIT
 - 语言：Python
-- 核心：
-- 亮点：
+- 核心：与 AutoGen 类似，也是用角色扮演和团队去组织多个智能体，也支持使用流程编排。
+- 亮点：相比 AutoGen 来说 CrewAI 提供的 API 更精简、写出来的代码语义更强，相比 LangGraph 更轻量，因为 LangGraph 需要依赖 LangChain。在QA
 - 模型：CrewAI 通过 LiteLLM 连接到 LLM 提供商，[点击查看 LiteLLM 支持的模型提供商](https://docs.litellm.com.cn/docs/providers)，[点击查看对于 Xinference 的支持说明](https://docs.litellm.com.cn/docs/providers/xinference)
 
 ## 参考来源