diff --git a/基于AI Agent开发范式的国产GPU大模型推理算子库优化/FlashInfer Benchmark实战：从性能基线到XPU-OJ冒烟提交.md b/基于AI Agent开发范式的国产GPU大模型推理算子库优化/FlashInfer Benchmark实战：从性能基线到XPU-OJ冒烟提交.md
index f7bb2ab..bfdc174 100644
--- a/基于AI Agent开发范式的国产GPU大模型推理算子库优化/FlashInfer Benchmark实战：从性能基线到XPU-OJ冒烟提交.md	
+++ b/基于AI Agent开发范式的国产GPU大模型推理算子库优化/FlashInfer Benchmark实战：从性能基线到XPU-OJ冒烟提交.md	
@@ -67,7 +67,7 @@
 
 #### 4.1.1 获取算力代金券
 
-[点击获取算力代金券](https://developer.metax-tech.com/activities/6)，首次登录需要使用邮箱或者手机号进行注册。登录成功后提交申请获得兑换码。
+[*点击获取算力代金券*](https://developer.metax-tech.com/activities/6)，首次登录需要使用邮箱或者手机号进行注册。登录成功后提交申请获得兑换码。
 
 ![apply](https://origin.picgo.net/2026/06/23/Screenshot_23-6-2026_161623_developer.metax-tech.com18419e10315b3d89.jpeg)
 
@@ -75,7 +75,7 @@
 
 使用兑换码兑换 GPU 租用余额：
 
-访问 [模力方舟官网](https://ai.gitee.com/)，在左侧边栏进入 “费用中心”，点击右上角 “兑换” 使用兑换码兑换代金券；
+访问 [*模力方舟官网*](https://ai.gitee.com/)，在左侧边栏进入 “费用中心”，点击右上角 “兑换” 使用兑换码兑换代金券；
 
 ![quote](https://origin.picgo.net/2026/06/23/-2026-06-23-1515027374ed9083ad0aea.png)
 
@@ -126,7 +126,7 @@
 
     ![tools](https://origin.picgo.net/2026/06/23/-2026-06-23-1554030c167f9883fb1d79.png)
 
-    此部分内容以教程 [模力方舟快速使用SOP](../模力方舟快速使用SOP.md) 为准。
+    此部分内容可参考教程：[*模力方舟快速使用SOP*](../模力方舟快速使用SOP.md)
 
 #### 4.1.4 深度学习环境配置
 
@@ -161,7 +161,7 @@ which mxcc && mxcc --version || echo "mxcc 未找到，请确认 MACA 工具链
 
 | 问题 | 解决方法 |
 | --- | --- |
-| `mxcc: command not found` | MACA 工具链未安装或 `PATH` 未配置，检查镜像是否预装或参考 [模力方舟快速使用SOP](../模力方舟快速使用SOP.md) |
+| `mxcc: command not found` | MACA 工具链未安装或 `PATH` 未配置，检查镜像是否预装或参考 [*模力方舟快速使用SOP*](../模力方舟快速使用SOP.md) |
 
 ### 4.2 工具准备
 
@@ -171,7 +171,7 @@ which mxcc && mxcc --version || echo "mxcc 未找到，请确认 MACA 工具链
 
 - 已确认 Agent 可以正常调用模型。
 
-配置过程可参考 [模力方舟Agent部署准备教程](模力方舟Agent部署准备教程.md)。
+配置过程可参考 [*模力方舟Agent部署准备教程*](模力方舟Agent部署准备教程.md)。
 
 
 **以配置 OpenCode 为例**
@@ -183,7 +183,7 @@ curl -fsSL https://opencode.ai/install | bash
 opencode
 ```
 
-后续配置教程可参考 [OpenCode 官方文档](https://opencode.ai/docs/)。
+后续配置教程可参考 [*OpenCode 官方文档*](https://opencode.ai/docs/)。
 
 
 ### 4.3 代码准备
@@ -194,7 +194,7 @@ opencode
 
 - 已获取测试脚本和 Benchmark 脚本。
 
-> 具体操作可见章节 [6.1 在赛事镜像中运行 FlashInfer Benchmark](#run-flashinfer-bench)
+> 具体操作可见章节 [*6.1 在赛事镜像中运行 FlashInfer Benchmark*](#run-flashinfer-bench)
 
 
 ### 4.4 账号准备
@@ -239,7 +239,7 @@ XPU-OJ 账号由组委会统一发放，参赛者无需自行注册。
 
 ### 5.3 开源仓库参考
 
-[GitHub - MetaX-MACA/McFlashInfer](https://github.com/MetaX-MACA/McFlashInfer)
+[*GitHub - MetaX-MACA/McFlashInfer*](https://github.com/MetaX-MACA/McFlashInfer)
 
 > 链接内容可供用于学习 API、算子实现思路、benchmark 方法和优化策略。选手仍需根据 XPU-OJ 题包接口**自行实现**可提交的 `run_kernel(...)`
 
@@ -308,7 +308,7 @@ pip install pandas
 
 #### Step 2：进入项目目录
 
-**目标：** 进入本模块所需的源码目录 [benchmark](https://gitlink.org.cn/metax-maca/op_optimization/tree/master/%E5%9F%BA%E4%BA%8EAI%20Agent%E5%BC%80%E5%8F%91%E8%8C%83%E5%BC%8F%E7%9A%84%E5%9B%BD%E4%BA%A7GPU%E5%A4%A7%E6%A8%A1%E5%9E%8B%E6%8E%A8%E7%90%86%E7%AE%97%E5%AD%90%E5%BA%93%E4%BC%98%E5%8C%96%2Foperator_task_package%2Fflashinfer_task_package%2Fbenchmark)。
+**目标：** 进入本模块所需的源码目录 [*benchmark*](https://gitlink.org.cn/metax-maca/op_optimization/tree/master/%E5%9F%BA%E4%BA%8EAI%20Agent%E5%BC%80%E5%8F%91%E8%8C%83%E5%BC%8F%E7%9A%84%E5%9B%BD%E4%BA%A7GPU%E5%A4%A7%E6%A8%A1%E5%9E%8B%E6%8E%A8%E7%90%86%E7%AE%97%E5%AD%90%E5%BA%93%E4%BC%98%E5%8C%96%2Foperator_task_package%2Fflashinfer_task_package%2Fbenchmark)。
 
 1. 克隆代码仓库
 
@@ -367,7 +367,7 @@ python -c "from bench_common import setup_workspace, get_csv_path; print('脚本
 
 **操作：** 运行基准测试脚本 （以 Ragged Prefill Benchmark 为例），读取生成的 CSV 结果文件。
 
-> 每个算子优化题目都对应一个 Benchmark（见 [5.2 查看性能基线](#benchmark-baseline)）
+> 每个算子优化题目都对应一个 Benchmark（见 [*5.2 查看性能基线*](#benchmark-baseline)）
 
 **运行算子 Benchmark（以 Ragged Prefill 为例）：**
 
@@ -480,7 +480,7 @@ FlashInfer 方向包含 **4 个可选算子题目**，每个对应独立的 benc
 
 **每个子题的接口参数、数据范围和精度要求以对应 XPU-OJ 题包为准。** 下文以题目 **20001 Flashinfer Ragged Prefill** 为例演示从 benchmark 到 XPU-OJ 提交的完整流程。
 
-题目的更多信息可参考 [20001 Flashinfer Ragged Prefill 题目说明](https://gitlink.org.cn/metax-maca/op_optimization/tree/master/%E5%9F%BA%E4%BA%8EAI%20Agent%E5%BC%80%E5%8F%91%E8%8C%83%E5%BC%8F%E7%9A%84%E5%9B%BD%E4%BA%A7GPU%E5%A4%A7%E6%A8%A1%E5%9E%8B%E6%8E%A8%E7%90%86%E7%AE%97%E5%AD%90%E5%BA%93%E4%BC%98%E5%8C%96%2Foperator_task_package%2Fflashinfer_task_package%2Fxpuoj_problem%2Fproblem_20001%2Fzh_CN)。
+题目的更多信息可参考 [*20001 Flashinfer Ragged Prefill 题目说明*](https://gitlink.org.cn/metax-maca/op_optimization/tree/master/%E5%9F%BA%E4%BA%8EAI%20Agent%E5%BC%80%E5%8F%91%E8%8C%83%E5%BC%8F%E7%9A%84%E5%9B%BD%E4%BA%A7GPU%E5%A4%A7%E6%A8%A1%E5%9E%8B%E6%8E%A8%E7%90%86%E7%AE%97%E5%AD%90%E5%BA%93%E4%BC%98%E5%8C%96%2Foperator_task_package%2Fflashinfer_task_package%2Fxpuoj_problem%2Fproblem_20001%2Fzh_CN)。
 
 #### Step 6：理解 XPU-OJ 评测接口与精度要求
 **目标：** 明确 Benchmark 与最终评测提交之间的关系，理解选手需要实现的内容。
@@ -607,7 +607,7 @@ FlashInfer 方向包含 **4 个可选算子题目**，每个对应独立的 benc
 
 使用组委会统一发放的账号登录 XPU-OJ，并进入对应赛题页面。
 
-1. 打开 [XPU-OJ](https://xpuoj.com/) 平台，使用组委会统一发放的账号和初始密码登录 **【后续发布】**；
+1. 打开 [*XPU-OJ*](https://xpuoj.com/) 平台，使用组委会统一发放的账号和初始密码登录 **【后续发布】**；
 
     ![OJ](https://origin.picgo.net/2026/06/16/image-20260616152804368aa0d44b72c4f9572.png)
 
@@ -1690,7 +1690,7 @@ mv *.csv results/
 
 ### 9.2 深入理解 FlashInfer 核心概念
 
-- 阅读 [FlashInfer 官方文档](https://docs.flashinfer.ai/index.html) 及 [源码](https://github.com/flashinfer-ai/flashinfer)，理解 Paged KV Cache、Ragged KV Cache 的设计理念；
+- 阅读 [*FlashInfer 官方文档*](https://docs.flashinfer.ai/index.html) 及 [*源码*](https://github.com/flashinfer-ai/flashinfer)，理解 Paged KV Cache、Ragged KV Cache 的设计理念；
     
 - 学习 MLA (Multi-head Latent Attention) 的原理，了解 DeepSeek 的注意力优化方案；
 
@@ -1698,10 +1698,13 @@ mv *.csv results/
     
 **参考文档：**
 
-- [KV-Cache Layout in FlashInfer](https://docs.flashinfer.ai/tutorials/kv_layout.html)
-- [DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model](https://arxiv.org/abs/2405.04434)
-- [DeepSeek-V3 Technical Report](https://arxiv.org/abs/2412.19437)
-- [GitHub - deepseek-ai/DeepSeek-V3](https://github.com/deepseek-ai/deepseek-v3)
+- [*KV-Cache Layout in FlashInfer*](https://docs.flashinfer.ai/tutorials/kv_layout.html)
+
+- [*DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model*](https://arxiv.org/abs/2405.04434)
+
+- [*DeepSeek-V3 Technical Report*](https://arxiv.org/abs/2412.19437)
+
+- [*GitHub - deepseek-ai/DeepSeek-V3*](https://github.com/deepseek-ai/deepseek-v3)
 
 ### 9.3 进入算子优化模块
 
@@ -1724,7 +1727,7 @@ mv *.csv results/
 
 完成优化后，再次运行本模块的 Benchmark 脚本，对比前后性能变化。
 
-> 使用 Agent 整理优化日志，可形成可复现的 Agent/Skill 优化流程
+> 使用 Agent 整理优化日志，可形成可复现的 Agent / Skill 优化流程
 
 ### 9.5 使用多语言完成算子优化加速