diff --git a/.gitignore b/.gitignore
index 8eb56bc..1b0d11b 100644
--- a/.gitignore
+++ b/.gitignore
@@ -4,7 +4,9 @@
 # Recurse into directories
 !*/
 
+
 # Whitelist: only source code and docs
 !*.py
-!*.md
+!README.md
+!AGENTS.md
 !.gitignore
diff --git a/AGENTS.md b/AGENTS.md
new file mode 100644
index 0000000..6739cc7
--- /dev/null
+++ b/AGENTS.md
@@ -0,0 +1,74 @@
+# AGENTS.md — AstrAI Promo
+
+## Project
+
+Manim-driven technical animation project for AstrAI promo videos (1B param, zh/en bilingual LLM).  
+Python 3.12, Manim (renders MP4 output).
+
+## Setup
+
+Requires a conda environment named `manim`.
+
+```bash
+conda run -n manim python -m pip install manim
+```
+
+The user verbally referred to it as "animin" — the actual name is `manim`. No system Python is available; always use `conda run -n manim`.
+
+## Commands
+
+| Action | Command |
+|--------|---------|
+| Render all (parallel) | `conda run -n manim python render_all.py` |
+| Render all (draft 480p) | `conda run -n manim python render_all.py -ql` |
+| Render all (4K) | `conda run -n manim python render_all.py -4k` |
+| Single scene (1080p) | `conda run -n manim python -m manim <file.py> <SceneClass> -qh` |
+| Single scene (draft) | `conda run -n manim python -m manim <file.py> <SceneClass> -ql` |
+
+Output goes to `output/videos/`.
+
+## File layout (flat — no subdirectory)
+
+Files are at the repo root, **not** under `promo/` despite what `README.md` and `PROMO_GUIDE.md` reference in some spots.
+
+```
+architecture.py          # Scene: Architecture
+continuous_batching.py  # Scene: ContinuousBatching
+cta.py                  # Scene: CTA
+paged_cache.py          # Scene: PrefixCache
+transformer.py          # Scene: Transformer
+render_all.py           # Parallel batch renderer
+PROMO_GUIDE.md          # Full production guide (storyboard, narration, recording)
+README.md               # Quick-start docs (may reference stale promo/ paths)
+```
+
+## Scenes
+
+| File | Class | Content | Est. duration |
+|------|-------|---------|---------------|
+| `transformer.py` | `Transformer` | GQA attention (Q/K/V → RoPE → Attention → O) + spec card | ~35s |
+| `continuous_batching.py` | `ContinuousBatching` | 4-stage pipeline + throughput comparison (1.0x vs 3.4x) | ~30s |
+| `paged_cache.py` | `PrefixCache` | Paged KV cache: page table, on-demand growth, O(1) free | ~30s |
+| `architecture.py` | `Architecture` | Full-stack: HTTP API → Engine → Paged Cache → Transformer | ~25s |
+| `cta.py` | `CTA` | End card: "AstrAI — Single GPU, Open Source, 1B params" | ~3s |
+
+## Render quirks
+
+- `render_all.py` runs all 5 scenes **in parallel** via `ThreadPoolExecutor`. Script blocks until all finish. No `-qh` flag in render_all.py means check the default at the top of the file.
+- The `output/` directory must exist (script creates it via Manim's `--media_dir`).
+
+## Chinese text in Manim
+
+```python
+Text.set_default(font="Microsoft YaHei")
+```
+This must be set before creating any `Text` objects, otherwise CJK characters render as boxes.
+
+## No tests / lint / typecheck
+
+This is a render-only project. No pytest, ruff, mypy, or similar config exists.
+
+## .gitignore oddity (from parent AstrAI project)
+
+The repo uses deny-by-default `.gitignore` (`*` then `!*.py`, `!*.sh`, etc.).  
+New file types at root need an explicit `!` entry — check `.gitignore` before adding assets.
diff --git a/PROMO_GUIDE.md b/PROMO_GUIDE.md
deleted file mode 100644
index 8f49745..0000000
--- a/PROMO_GUIDE.md
+++ /dev/null
@@ -1,373 +0,0 @@
-# AstrAI 宣传视频制作指南
-
-> 本文档为制作 AstrAI 宣传视频提供完整的技术参考、分镜建议和录制脚本。
-> 目标时长：**2-3 分钟**
-
----
-
-## 目录
-
-1. [项目定位与核心卖点](#1-项目定位与核心卖点)
-2. [技术架构速览](#2-技术架构速览)
-3. [分镜脚本](#3-分镜脚本)
-4. [演示录制指南](#4-演示录制指南)
-5. [动画场景说明](#5-动画场景说明)
-6. [旁白文案草稿](#6-旁白文案草稿)
-7. [素材清单](#7-素材清单)
-
----
-
-## 1. 项目定位与核心卖点
-
-**一句话定位：**
-> 一个能在单张消费级 GPU 上训练和推理的 1B 参数中英双语语言模型框架。
-
-**核心卖点（视频中需突出）：**
-
-| 卖点 | 说明 | 视觉表达 |
-|------|------|---------|
-| **单卡可跑** | 1B 参数，RTX 3090/4090 即可运行 | 巨大服务器集群 vs 单张显卡对比 |
-| **连续批处理** | 动态合并请求，吞吐量 3x+ | 任务流经 Cleanup→Refill→Prefill→Decode 动画 |
-| **分页 KV 缓存** | 固定大小页表 + O(1) 分配，按需扩容 | 页表分配与写入动画 |
-| **OpenAI 兼容 API** | 一行代码切换 | curl 命令对比 |
-| **流式输出** | 逐 token 返回，低首延迟 | 终端逐字喷出效果 |
-| **全过程开源** | 训练+推理+权重全部开源 | GitHub 页面展示 |
-
----
-
-## 2. 技术架构速览
-
-### 整体架构
-
-```
-┌──────────────────────────────────────────────────┐
-│  FastAPI Server  (OpenAI-Compatible API)         │
-├──────────────────────────────────────────────────┤
-│  InferenceEngine  (Streaming + Async + Batch)    │
-├──────────────────────────────────────────────────┤
-│  Continuous Batching Scheduler                   │
-│  ┌────────┐  ┌──────┐  ┌────────┐  ┌────────┐   │
-│  │Cleanup │→ │Refill│→ │Prefill │→ │ Decode │   │
-│  └────────┘  └──────┘  └────────┘  └────────┘   │
-├──────────────────────────────────────────────────┤
-│  Paged KV Cache  (Page Table  +  Page Pool)      │
-├──────────────────────────────────────────────────┤
-│  Transformer  (24层 GQA, RoPE, SwiGLU)           │
-└──────────────────────────────────────────────────┘
-```
-
-### 关键技术指标
-
-| 指标 | 值 |
-|------|------|
-| 参数量 | ~1.0B |
-| 词表大小 | 100,000（中英 BPE） |
-| 层数 | 24 |
-| 注意力头 | 24 Q-heads / 4 KV-heads（GQA） |
-| 最大长度 | 2048 tokens |
-| 精度 | bfloat16 |
-| 最低显存 | ~6GB（推理）/~12GB（训练） |
-
----
-
-## 3. 分镜脚本
-
-总时长 **2:30**，分为 6 个段落。
-
-### Segment 1：Hook + 问题陈述（0:00 - 0:20）
-
-| 镜头 | 画面 | 旁白 | 时长 |
-|------|------|------|------|
-| 1.1 | 黑屏，逐字打出"大语言模型很强大" | "大语言模型很强大——" | 3s |
-| 1.2 | 切到数据中心照片 / 巨大 GPU 集群 | "——但跑起来需要几十张 GPU，普通人根本碰不到。" | 5s |
-| 1.3 | 画面分屏：左边集群，右边一张 RTX 4090 | "但如果我告诉你，只要一张显卡就够了呢？" | 5s |
-| 1.4 | Logo 出现：**AstrAI**，下方副标题 "1B 参数单卡推理框架" | "AstrAI——单卡跑大模型。" | 7s |
-
-**视觉素材**：数据中心图片（可免版权下载）、RTX 4090 产品图、Logo 动画
-
----
-
-### Segment 2：模型架构速览（0:20 - 0:45）
-
-| 镜头 | 画面 | 旁白 | 时长 |
-|------|------|------|------|
-| 2.1 | Transformer 架构图逐层展开：embed → 24层 decoder → norm → head | "1B 参数，24 层 Transformer，100k 词表的中英 BPE 分词器。" | 8s |
-| 2.2 | 高亮 GQA：24个 Q head 映射到 4个 KV head | "GQA 分组查询注意力——24 个查询头只对应 4 个 KV 头，KV 缓存直接减少 83%。" | 10s |
-| 2.3 | RoPE 旋转变换可视化 | "RoPE 旋转位置编码，支持动态长度外推。" | 5s |
-| 2.4 | fade 到模型 card：vocab=100k, dim=1536, layers=24, heads=24, kv_heads=4 | 静默 | 2s |
-
-**视觉素材**：`architecture.py` 动画、模型参数 card
-
----
-
-### Segment 3：连续批处理（0:45 - 1:20）
-
-| 镜头 | 画面 | 旁白 | 时长 |
-|------|------|------|------|
-| 3.1 | 3 个请求同时到达服务器 | "当多个请求同时到达时——" | 3s |
-| 3.2 | 静态批处理对比：最长补齐，3个请求串行 → 总耗时 max_len × 3 | "传统做法是静态批处理，把请求补齐到相同长度，串行处理，GPU 利用率低下。" | 8s |
-| 3.3 | 连续批处理动画：任务流入 Waiting Queue → Cleanup → Refill → Prefill → Decode | "AstrAI 采用连续批处理：任务动态进出，GPU 每一刻都在满负荷运转。" | 10s |
-| 3.4 | 放大 Decode 阶段：同一位置的任务合并成一批 | "特别地，只有处于相同 KV 缓存位置的任务才一起解码，从根本上避免了 RoPE 位置错乱的问题。" | 8s |
-| 3.5 | 吞吐对比柱状图：Static Batch vs Continuous Batching (3x+) | "实测吞吐量提升 3 倍以上。" | 6s |
-
-**视觉素材**：`continuous_batching.py` 动画、对比图表
-
----
-
-### Segment 4：分页 KV 缓存（1:20 - 1:50）
-
-| 镜头 | 画面 | 旁白 | 时长 |
-|------|------|------|------|
-| 4.1 | 展示 KV 缓存是一个固定大小的张量，被划分为多个相同大小的 page | "KV 缓存不再按请求预分配——而是划分为固定大小的页。" | 5s |
-| 4.2 | 请求 A 到来，通过页表分配 2 个物理页，写入数据 | "请求到达时，通过页表分配物理页，按需写入。" | 7s |
-| 4.3 | 请求 B 到来，分配新页，展示页表将逻辑位置映射到不同物理页 | "页表机制让逻辑位置和物理存储解耦——不同请求的页可以分散排列。" | 8s |
-| 4.4 | Decode 阶段，请求继续生成 token，展示按需分配新页（_maybe_alloc_page） | "生成过程中如果当前页写满，自动追加新页——按需扩容，不浪费显存。" | 7s |
-| 4.5 | 请求结束时展示页面回收（bitmask 置位） | "请求结束后，页面通过 O(1) 位掩码回收，即刻复用。" | 3s |
-
-**视觉素材**：`paged_cache.py` 动画、页表分配示意
-
----
-
-### Segment 5：Demo 演示（1:50 - 2:15）
-
-| 镜头 | 画面 | 旁白 | 时长 |
-|------|------|------|------|
-| 5.1 | 侧录终端：启动 stream_chat.py，逐行输出对话 | "来实际看看效果。" | 10s |
-| 5.2 | 多轮对话：中文问答，逐 token 喷出 | 静默 + 打字音效 | 8s |
-| 5.3 | 切到 HTTP 模式：服务端 + curl 请求，流式返回 | "也提供 OpenAI 兼容的 HTTP API，一行 curl 就能调用。" | 7s |
-
-**视觉素材**：终端录屏（OBS 录制）
-
----
-
-### Segment 6：收尾 + CTA（2:15 - 2:30）
-
-| 镜头 | 画面 | 旁白 | 时长 |
-|------|------|------|------|
-| 6.1 | 全栈流程回顾（缩略架构图） | "训练用 SEQ → SFT → DPO/GRPO，推理用连续批处理——" | 5s |
-| 6.2 | GitHub 页面 + Star 引导 | "——全部开源。点个 Star，一起让大模型更普惠。" | 7s |
-| 6.3 | Logo + URL + "Open Source • Single GPU" | 静默 | 3s |
-
-**视觉素材**：GitHub 页面录屏、Logo 定版
-
----
-
-## 4. 演示录制指南
-
-### 4.1 准备工作
-
-```bash
-# 1. 安装依赖
-pip install -e ".[dev]"
-
-# 2. 下载模型（约 7GB）
-python scripts/demo/download.py
-
-# 3. 验证模型加载
-python scripts/demo/generate_ar.py
-```
-
-### 4.2 录制场景 A：交互式对话
-
-```bash
-# 终端 1：启动交互式对话
-python scripts/demo/stream_chat.py
-
-# 预期交互
->> 你好？
-AstrAI: 你好！有什么我可以帮你的吗？
->> 请用中文介绍一下你自己
-AstrAI: ...（逐 token 输出）
->> 编一个关于人工智能的短故事
-AstrAI: ...（逐 token 输出）
-```
-
-**录制重点**：
-- 逐 token 流式输出效果（用 OBS 录制终端窗口）
-- 多轮对话的记忆能力（跨轮上下文保持）
-- 打字音效叠加
-
-### 4.3 录制场景 B：HTTP 服务 + 并发
-
-```bash
-# 终端 1：启动服务器
-python -m scripts.tools.server --port 8000 --device cuda
-
-# 终端 2：发送请求（非流式）
-curl -X POST http://localhost:8000/v1/chat/completions \
-  -H "Content-Type: application/json" \
-  -d '{"messages":[{"role":"user","content":"Hello!"}],"stream":false}'
-
-# 终端 3：流式请求
-curl -X POST http://localhost:8000/v1/chat/completions \
-  -H "Content-Type: application/json" \
-  -d '{"messages":[{"role":"user","content":"Write a poem"}],"stream":true}'
-
-# 终端 4：并发压测（用 scripts/demo/generate_batch.py）
-python scripts/demo/generate_batch.py
-```
-
-**录制重点**：
-- 同时多个 curl 请求展示并发处理
-- 服务端日志显示批处理合并
-- `/stats` 端点展示实时统计
-
-### 4.4 录制规格
-
-| 参数 | 建议 |
-|------|------|
-| 分辨率 | 1920×1080 |
-| 帧率 | 30fps |
-| 终端 | Windows Terminal 或 iTerm2，深色主题 |
-| 字号 | 16-18px，等宽字体（JetBrains Mono / Cascadia Code） |
-| 录屏工具 | OBS Studio（免费） |
-| 音频 | 旁白用 USB 麦克风，音效后期叠加 |
-
----
-
-## 5. 动画场景说明
-
-位于 `promo/` 目录，使用 Manim 引擎。
-
-### 安装 Manim
-
-```bash
-# conda 环境内安装
-pip install manim
-
-# 验证
-python -c "import manim; print(manim.__version__)"
-```
-
-### 渲染命令
-
-```bash
-# 单独渲染一个场景
-manim -qh promo/continuous_batching.py ContinuousBatching
-
-# 全部场景渲染
-python promo/render_all.py
-
-# 快速草稿（480p，适合调试）
-manim -ql promo/continuous_batching.py ContinuousBatching
-```
-
-输出文件为 `promo/output/videos/` 下的 `.mp4` 文件，可直接导入剪辑软件。
-
-### 场景清单
-
-| 文件 | 导出场景名 | 内容 | 建议时长 |
-|------|-----------|------|---------|
-| `transformer.py` | `Transformer` | 模型架构：Embed → GQA → SwiGLU → ×24 → LM Head | ~35s |
-| `continuous_batching.py` | `ContinuousBatching` | 4 阶段流水线动画 + 吞吐对比 | ~30s |
-| `paged_cache.py` | `PrefixCache` | 分页 KV 缓存：页表分配、按需扩容、回收 | ~30s |
-| `architecture.py` | `Architecture` | 全栈架构逐层展开 + 数据流 | ~25s |
-
-### 自定义动画
-
-如需修改动画内容：
-- Manim 语法参考：https://docs.manim.community/
-- 所有动画元素（颜色、位置、速度）在场景类中通过参数调整
-- 中文字体渲染需额外配置：
-
-```python
-# 在场景类开头添加
-Text.set_default(font="Microsoft YaHei")
-```
-
----
-
-## 6. 旁白文案草稿
-
-### 中文版（完整 2:30）
-
-```
-[00:00] 大语言模型很强大——
-[00:03] 但跑起来需要几十张 GPU，普通人根本碰不到。
-[00:08] 但如果我告诉你，只要一张显卡就够了呢？
-[00:13] AstrAI——单卡跑大模型。
-
-[00:20] 1B 参数，24 层 Transformer，100k 词表的中英 BPE 分词器。
-[00:28] GQA 分组查询注意力——24 个查询头只对应 4 个 KV 头，KV 缓存直接减少 83%。
-[00:38] RoPE 旋转位置编码，支持动态长度外推。
-
-[00:45] 当多个请求同时到达时——
-[00:48] 传统做法是静态批处理，把请求补齐到相同长度串行处理，GPU 利用率低下。
-[00:56] AstrAI 采用连续批处理：任务动态进出，GPU 每一刻都在满负荷运转。
-[01:06] 只有处于相同 KV 缓存位置的任务才一起解码，从根本上避免 RoPE 位置错乱。
-[01:14] 实测吞吐量提升 3 倍以上。
-
-[01:20] 传统 KV 缓存预分配整段显存，浪费严重。
-[01:25] AstrAI 采用分页 KV 缓存——固定大小的页，通过页表间接寻址，按需分配。
-[01:33] 生成过程中页写满了自动追加，请求结束后 O(1) 回收。
-[01:40] 显存利用率大幅提升，支持更多并发请求。
-
-[01:50] 来实际看看效果。
-[01:52] （现场演示部分，自由发挥）
-
-[02:15] 训练到推理，全流程开源，点个 Star，一起让大模型更普惠。
-[02:25] AstrAI — Open Source, Single GPU.
-```
-
----
-
-## 7. 素材清单
-
-### 视频素材
-
-| 素材 | 来源 | 状态 |
-|------|------|------|
-| 数据中心 / GPU 集群图片 | Pexels / Unsplash 免版权 | 需下载 |
-| RTX 4090 产品图 | NVIDIA 官网 / 实物拍摄 | 需准备 |
-| AstrAI Logo | `assets/images/logo.png` | ✅ 已有 |
-| 终端录屏（对话） | OBS 录制 `scripts/demo/stream_chat.py` | 需录制 |
-| 终端录屏（HTTP） | OBS 录制 curl + server | 需录制 |
-| 终端录屏（并发） | OBS 录制 `generate_batch.py` | 需录制 |
-| GitHub 页面 | 浏览器录屏 | 需录制 |
-| Transformer 架构动画 | Manim 渲染 `transformer.py` | ✅ 已渲染 |
-| 架构动画 | Manim 渲染 `architecture.py` | ✅ 已渲染 |
-| 连续批处理动画 | Manim 渲染 `continuous_batching.py` | ✅ 已渲染 |
-| 分页缓存动画 | Manim 渲染 `paged_cache.py` | 需重新渲染 |
-
-### 音频素材
-
-| 素材 | 建议 |
-|------|------|
-| 旁白 | USB 麦克风录制，男声或女声，中文普通话 |
-| 背景音乐 | Epidemic Sound / YouTube Audio Library 搜索 "technology ambient" |
-| 音效 | 打字音效（terminal keystrokes）、转场 swoosh、whoosh |
-
-### 软件工具
-
-| 用途 | 推荐工具 | 价格 |
-|------|---------|------|
-| 录屏 | OBS Studio | 免费 |
-| 剪辑 | DaVinci Resolve | 免费 |
-| 动画渲染 | Manim (`pip install manim`) | 免费 |
-| 音频处理 | Audacity | 免费 |
-| 字幕 | DaVinci Resolve 内建 / Aegisub | 免费 |
-
----
-
-## 附录：关键文件索引
-
-| 文件路径 | 说明 |
-|---------|------|
-| `README.md` | 项目主页 README，含快速开始 |
-| `assets/docs/introduction.md` | 模型架构深度介绍 |
-| `assets/docs/design.md` | 设计文档 + UML 类图 |
-| `astrai/inference/scheduler.py` | 连续批处理调度器核心代码 |
-| `astrai/inference/engine.py` | 推理引擎统一接口 |
-| `astrai/inference/server.py` | FastAPI 服务器 |
-| `astrai/model/transformer.py` | Transformer 模型 |
-| `astrai/model/module.py` | GQA、MLA、MLP 等模块 |
-| `scripts/demo/stream_chat.py` | 交互式对话演示 |
-| `scripts/demo/generate_batch.py` | 批量生成演示 |
-| `scripts/tools/server.py` | HTTP 服务启动脚本 |
-| `scripts/tools/benchmark.py` | 性能基准测试 |
-| `scripts/promo/README.md` | 动画渲染说明（已移至 promo/） |
-| `promo/render_all.py` | 一键渲染所有动画 |
-| `promo/continuous_batching.py` | 连续批处理 Manim 场景 |
-| `promo/paged_cache.py` | 分页 KV 缓存 Manim 场景 |
-| `promo/architecture.py` | 架构总览 Manim 场景 |
-| `params/config.json` | 模型配置 |
diff --git a/README.md b/README.md
index d2317ab..678e1fa 100644
--- a/README.md
+++ b/README.md
@@ -1,44 +1,270 @@
-# AstrAI Promo — 动画渲染
+# AstrAI Promo — 动画渲染 & 视频制作指南
 
 Manim 驱动的技术动画，用于 AstrAI 宣传视频。
+目标时长：**2-3 分钟**
 
-## 依赖
+---
 
-```bash
-pip install manim
-# 或: conda install -c conda-forge manim
+## 目录
+
+1. [项目定位与核心卖点](#1-项目定位与核心卖点)
+2. [技术架构速览](#2-技术架构速览)
+3. [渲染指南](#3-渲染指南)
+4. [场景清单](#4-场景清单)
+5. [分镜脚本](#5-分镜脚本)
+6. [旁白文案草稿](#6-旁白文案草稿)
+7. [素材清单](#7-素材清单)
+
+---
+
+## 1. 项目定位与核心卖点
+
+**一句话定位：**
+> 一个能在单张消费级 GPU 上训练和推理的 1B 参数中英双语语言模型框架。
+
+**核心卖点（视频中需突出）：**
+
+| 卖点 | 说明 | 视觉表达 |
+|------|------|---------|
+| **单卡可跑** | 1B 参数，RTX 3090/4090 即可运行 | 巨大服务器集群 vs 单张显卡对比 |
+| **连续批处理** | 动态合并请求，吞吐量 3x+ | 任务流经 Cleanup→Refill→Prefill→Decode 动画 |
+| **分页 KV 缓存** | 固定大小页表 + O(1) 分配，按需扩容 | 页表分配与写入动画 |
+| **OpenAI 兼容 API** | 一行代码切换 | curl 命令对比 |
+| **流式输出** | 逐 token 返回，低首延迟 | 终端逐字喷出效果 |
+| **全过程开源** | 训练+推理+权重全部开源 | GitHub 页面展示 |
+
+---
+
+## 2. 技术架构速览
+
+### 整体架构
+
+```
+┌──────────────────────────────────────────────────┐
+│  FastAPI Server  (OpenAI-Compatible API)         │
+├──────────────────────────────────────────────────┤
+│  InferenceEngine  (Streaming + Async + Batch)    │
+├──────────────────────────────────────────────────┤
+│  Continuous Batching Scheduler                   │
+│  ┌────────┐  ┌──────┐  ┌────────┐  ┌────────┐   │
+│  │Cleanup │→ │Refill│→ │Prefill │→ │ Decode │   │
+│  └────────┘  └──────┘  └────────┘  └────────┘   │
+├──────────────────────────────────────────────────┤
+│  Paged KV Cache  (Page Table  +  Page Pool)      │
+├──────────────────────────────────────────────────┤
+│  Transformer  (24层 GQA, RoPE, SwiGLU)           │
+└──────────────────────────────────────────────────┘
 ```
 
-## 渲染单个场景
+### 关键技术指标
+
+| 指标 | 值 |
+|------|------|
+| 参数量 | ~1.0B |
+| 词表大小 | 100,000（中英 BPE） |
+| 层数 | 24 |
+| 注意力头 | 24 Q-heads / 4 KV-heads（GQA） |
+| 最大长度 | 2048 tokens |
+| 精度 | bfloat16 |
+| 最低显存 | ~6GB（推理）/~12GB（训练） |
+
+---
+
+## 3. 渲染指南
+
+依赖 conda 环境 `manim`：
 
 ```bash
-# 1080p（推荐）
-manim -qh promo/continuous_batching.py ContinuousBatching
-
-# 480p 草稿
-manim -ql promo/continuous_batching.py ContinuousBatching
-
-# 4K
-manim -4k promo/continuous_batching.py ContinuousBatching
+conda run -n manim python -m pip install manim
 ```
 
-## 渲染全部
+### 渲染全部（并行）
 
 ```bash
-python promo/render_all.py
+conda run -n manim python render_all.py        # 1080p
+conda run -n manim python render_all.py -ql     # 480p draft
+conda run -n manim python render_all.py -4k     # 4K
 ```
 
-输出到 `promo/output/videos/`。
+### 渲染单个场景
 
-## 场景清单
+```bash
+conda run -n manim python -m manim transformer.py Transformer -qh
+```
+
+输出到 `output/videos/`，`.mp4` 可直接导入剪辑软件。
+
+### 中文字体
+
+所有 `Text` 对象创建前需设置：
+
+```python
+Text.set_default(font="Microsoft YaHei")
+```
+
+详细命令参考 `AGENTS.md`。
+
+---
+
+## 4. 场景清单
 
 | 文件 | Scene class | 内容 | 建议时长 |
 |------|-------------|------|---------|
-| `transformer.py` | `Transformer` | GQA 注意力机制详解 (Q/K/V→RoPE→Attention→O) + 规格卡 | ~25s |
-| `continuous_batching.py` | `ContinuousBatching` | 4 阶段流水线 + 吞吐对比 | ~30s |
+| `transformer.py` | `Transformer` | GQA 注意力机制 (Q/K/V→RoPE→Attention→O) + 规格卡 | ~35s |
+| `continuous_batching.py` | `ContinuousBatching` | 4 阶段流水线 + 吞吐对比 (1.0x vs 3.4x) | ~30s |
 | `paged_cache.py` | `PrefixCache` | 分页 KV 缓存：页表分配、按需扩容、回收 | ~30s |
-| `architecture.py` | `Architecture` | 全栈架构逐层展开 | ~30s |
+| `architecture.py` | `Architecture` | 全栈架构：HTTP API → Engine → Paged Cache → Transformer | ~25s |
+| `cta.py` | `CTA` | 结尾卡片："AstrAI — Single GPU, Open Source, 1B params" | ~3s |
 
-## 导入视频剪辑
+---
 
-输出的 `.mp4` 直接导入 DaVinci Resolve / Camtasia / Premiere Pro。
+## 5. 分镜脚本
+
+总时长 **2:30**，分为 6 个段落。
+
+### Segment 1：Hook + 问题陈述（0:00 - 0:20）
+
+| 镜头 | 画面 | 旁白 | 时长 |
+|------|------|------|------|
+| 1.1 | 黑屏，逐字打出"大语言模型很强大" | "大语言模型很强大——" | 3s |
+| 1.2 | 切到数据中心照片 / 巨大 GPU 集群 | "——但跑起来需要几十张 GPU，普通人根本碰不到。" | 5s |
+| 1.3 | 画面分屏：左边集群，右边一张 RTX 4090 | "但如果我告诉你，只要一张显卡就够了呢？" | 5s |
+| 1.4 | Logo 出现：**AstrAI**，下方副标题 "1B 参数单卡推理框架" | "AstrAI——单卡跑大模型。" | 7s |
+
+**视觉素材**：数据中心图片、RTX 4090 产品图、Logo 动画
+
+---
+
+### Segment 2：模型架构速览（0:20 - 0:45）
+
+| 镜头 | 画面 | 旁白 | 时长 |
+|------|------|------|------|
+| 2.1 | Transformer 架构图逐层展开：embed → 24层 decoder → norm → head | "1B 参数，24 层 Transformer，100k 词表的中英 BPE 分词器。" | 8s |
+| 2.2 | 高亮 GQA：24个 Q head 映射到 4个 KV head | "GQA 分组查询注意力——24 个查询头只对应 4 个 KV 头，KV 缓存直接减少 83%。" | 10s |
+| 2.3 | RoPE 旋转变换可视化 | "RoPE 旋转位置编码，支持动态长度外推。" | 5s |
+| 2.4 | fade 到模型 card：vocab=100k, dim=1536, layers=24, heads=24, kv_heads=4 | 静默 | 2s |
+
+**视觉素材**：`transformer.py` 动画、模型参数 card
+
+---
+
+### Segment 3：连续批处理（0:45 - 1:20）
+
+| 镜头 | 画面 | 旁白 | 时长 |
+|------|------|------|------|
+| 3.1 | 3 个请求同时到达服务器 | "当多个请求同时到达时——" | 3s |
+| 3.2 | 静态批处理对比：最长补齐，3个请求串行 → 总耗时 max_len × 3 | "传统做法是静态批处理，把请求补齐到相同长度，串行处理，GPU 利用率低下。" | 8s |
+| 3.3 | 连续批处理动画：任务流入 Waiting Queue → Cleanup → Refill → Prefill → Decode | "AstrAI 采用连续批处理：任务动态进出，GPU 每一刻都在满负荷运转。" | 10s |
+| 3.4 | 放大 Decode 阶段：同一位置的任务合并成一批 | "特别地，只有处于相同 KV 缓存位置的任务才一起解码，从根本上避免了 RoPE 位置错乱的问题。" | 8s |
+| 3.5 | 吞吐对比柱状图：Static Batch vs Continuous Batching (3x+) | "实测吞吐量提升 3 倍以上。" | 6s |
+
+**视觉素材**：`continuous_batching.py` 动画、对比图表
+
+---
+
+### Segment 4：分页 KV 缓存（1:20 - 1:50）
+
+| 镜头 | 画面 | 旁白 | 时长 |
+|------|------|------|------|
+| 4.1 | 展示 KV 缓存是一个固定大小的张量，被划分为多个相同大小的 page | "KV 缓存不再按请求预分配——而是划分为固定大小的页。" | 5s |
+| 4.2 | 请求 A 到来，通过页表分配 2 个物理页，写入数据 | "请求到达时，通过页表分配物理页，按需写入。" | 7s |
+| 4.3 | 请求 B 到来，分配新页，展示页表将逻辑位置映射到不同物理页 | "页表机制让逻辑位置和物理存储解耦——不同请求的页可以分散排列。" | 8s |
+| 4.4 | Decode 阶段，请求继续生成 token，展示按需分配新页（_maybe_alloc_page） | "生成过程中如果当前页写满，自动追加新页——按需扩容，不浪费显存。" | 7s |
+| 4.5 | 请求结束时展示页面回收（bitmask 置位） | "请求结束后，页面通过 O(1) 位掩码回收，即刻复用。" | 3s |
+
+**视觉素材**：`paged_cache.py` 动画、页表分配示意
+
+---
+
+### Segment 5：Demo 演示（1:50 - 2:15）
+
+| 镜头 | 画面 | 旁白 | 时长 |
+|------|------|------|------|
+| 5.1 | 侧录终端：启动 stream_chat.py，逐行输出对话 | "来实际看看效果。" | 10s |
+| 5.2 | 多轮对话：中文问答，逐 token 喷出 | 静默 + 打字音效 | 8s |
+| 5.3 | 切到 HTTP 模式：服务端 + curl 请求，流式返回 | "也提供 OpenAI 兼容的 HTTP API，一行 curl 就能调用。" | 7s |
+
+**视觉素材**：终端录屏（OBS 录制）
+
+---
+
+### Segment 6：收尾 + CTA（2:15 - 2:30）
+
+| 镜头 | 画面 | 旁白 | 时长 |
+|------|------|------|------|
+| 6.1 | 全栈流程回顾（缩略架构图） | "训练用 SEQ → SFT → DPO/GRPO，推理用连续批处理——" | 5s |
+| 6.2 | GitHub 页面 + Star 引导 | "——全部开源。点个 Star，一起让大模型更普惠。" | 7s |
+| 6.3 | Logo + URL + "Open Source • Single GPU" | 静默 | 3s |
+
+**视觉素材**：GitHub 页面录屏、Logo 定版
+
+---
+
+## 6. 旁白文案草稿
+
+### 中文版（完整 2:30）
+
+```
+[00:00] 大语言模型很强大——
+[00:03] 但跑起来需要几十张 GPU，普通人根本碰不到。
+[00:08] 但如果我告诉你，只要一张显卡就够了呢？
+[00:13] AstrAI——单卡跑大模型。
+
+[00:20] 1B 参数，24 层 Transformer，100k 词表的中英 BPE 分词器。
+[00:28] GQA 分组查询注意力——24 个查询头只对应 4 个 KV 头，KV 缓存直接减少 83%。
+[00:38] RoPE 旋转位置编码，支持动态长度外推。
+
+[00:45] 当多个请求同时到达时——
+[00:48] 传统做法是静态批处理，把请求补齐到相同长度串行处理，GPU 利用率低下。
+[00:56] AstrAI 采用连续批处理：任务动态进出，GPU 每一刻都在满负荷运转。
+[01:06] 只有处于相同 KV 缓存位置的任务才一起解码，从根本上避免 RoPE 位置错乱。
+[01:14] 实测吞吐量提升 3 倍以上。
+
+[01:20] 传统 KV 缓存预分配整段显存，浪费严重。
+[01:25] AstrAI 采用分页 KV 缓存——固定大小的页，通过页表间接寻址，按需分配。
+[01:33] 生成过程中页写满了自动追加，请求结束后 O(1) 回收。
+[01:40] 显存利用率大幅提升，支持更多并发请求。
+
+[01:50] 来实际看看效果。
+[01:52] （现场演示部分，自由发挥）
+
+[02:15] 训练到推理，全流程开源，点个 Star，一起让大模型更普惠。
+[02:25] AstrAI — Open Source, Single GPU.
+```
+
+---
+
+## 7. 素材清单
+
+### 视频素材
+
+| 素材 | 来源 |
+|------|------|
+| 数据中心 / GPU 集群图片 | Pexels / Unsplash 免版权 |
+| RTX 4090 产品图 | NVIDIA 官网 / 实物拍摄 |
+| AstrAI Logo | 需设计 |
+| 终端录屏 | OBS 录制 AstrAI demo 脚本 |
+| GitHub 页面 | 浏览器录屏 |
+| Transformer 架构动画 | Manim 渲染 `transformer.py` |
+| 连续批处理动画 | Manim 渲染 `continuous_batching.py` |
+| 分页缓存动画 | Manim 渲染 `paged_cache.py` |
+| 全栈架构动画 | Manim 渲染 `architecture.py` |
+| 结尾卡片 | Manim 渲染 `cta.py` |
+
+### 音频素材
+
+| 素材 | 建议 |
+|------|------|
+| 旁白 | USB 麦克风录制，中文普通话 |
+| 背景音乐 | Epidemic Sound / YouTube Audio Library 搜索 "technology ambient" |
+| 音效 | 打字音效、转场 swoosh |
+
+### 软件工具
+
+| 用途 | 推荐工具 | 价格 |
+|------|---------|------|
+| 录屏 | OBS Studio | 免费 |
+| 剪辑 | DaVinci Resolve | 免费 |
+| 动画渲染 | Manim（conda 环境 `manim`） | 免费 |
+| 音频处理 | Audacity | 免费 |
+| 字幕 | DaVinci Resolve 内建 / Aegisub | 免费 |
diff --git a/render_all.py b/render_all.py
index 8f26b80..12ff269 100644
--- a/render_all.py
+++ b/render_all.py
@@ -1,7 +1,8 @@
-"""Render all promo scenes with Manim."""
+"""Render all promo scenes with Manim in parallel."""
 
 import subprocess
 import sys
+from concurrent.futures import ThreadPoolExecutor, as_completed
 from pathlib import Path
 
 ROOT = Path(__file__).parent
@@ -28,15 +29,22 @@ def render(file_name, scene_name, quality="-qh"):
         "--media_dir",
         str(media_dir),
     ]
-    print(f"Rendering {scene_name}...")
+    print(f"[{scene_name}] Rendering...")
     subprocess.run(cmd, check=True)
-    print(f"  Done → {media_dir / 'videos' / scene_name.lower()}.mp4")
+    print(f"[{scene_name}] Done → {media_dir / 'videos' / scene_name.lower()}.mp4")
 
 
 if __name__ == "__main__":
     quality = "-qh"  # 1080p; use -l for draft, -4k for ultra
     if len(sys.argv) > 1:
         quality = sys.argv[1]
-    for f, s in SCENES:
-        render(f, s, quality)
+
+    max_workers = len(SCENES)
+    with ThreadPoolExecutor(max_workers=max_workers) as pool:
+        fut = {pool.submit(render, f, s, quality): s for f, s in SCENES}
+        for f in as_completed(fut):
+            exc = f.exception()
+            if exc:
+                print(f"[{fut[f]}] Failed: {exc}")
+
     print("All scenes rendered.")