diff --git a/README.md b/README.md
index b18683b..db493f7 100644
--- a/README.md
+++ b/README.md
@@ -1,46 +1,36 @@
-# Парсер заданий: сырой текст -> TaskCard
+# Task 69dd4221f309a98be0006b2e – Structured Assignment Card
 
-## Описание
-Инструмент для преобразования неформального описания учебного задания в структурированную карточку TaskCard.
+## What this project does
+This repository contains a small Python package that turns an informal assignment description into a **structured data card**. The card is represented by a Pydantic model and can be used downstream in pipelines for filtering, storage or further processing.
 
-## Структура TaskCard
-| Поле | Тип | Описание |
-|------|-----|----------|
-| title | str | Краткое название |
-| subject | str | Тема/предмет |
-| deadline | str? | Срок сдачи |
-| deliverable | str | Что сдавать |
-| requirements | list[str] | Требования |
-| difficulty | str | Сложность |
-| grading_criteria | str? | Критерии оценки |
-| tags | list[str] | Теги |
+The core logic lives in `models.py` (the data schema) and `agent.py` (the LangChain chain that calls the LLM).  The entry point `main.py` demonstrates three different example inputs.
 
-## Установка
+## File structure
+- **requirements.txt** – Python dependencies required to run the code.
+- **README.md** – this documentation file.
+- **models.py** – Pydantic model for the assignment card.
+- **agent.py** – LangChain chain that parses a raw text into the model.
+- **main.py** – example usage and simple CLI.
+
+## Installation
 ```bash
 pip install -r requirements.txt
 ```
+Make sure you have an OpenAI compatible key set in `JOURNAL_MCP_PAT` environment variable (the BroJS endpoint).
 
-## Использование
-```bash
-python main.py
-```
-
-Или программно:
+## Usage examples
 ```python
-from parser import TaskParser
-parser = TaskParser()
-card = parser.parse("Напишите отчёт по LangChain до пятницы, 5 страниц")
-print(card.to_markdown())
+from agent import parse_assignment
+
+text = "Сдайте к пятнице мини-отчёт по LangChain: 2 страницы, упор на агентов. Оценка: за полноту и за пример кода."
+card = parse_assignment(text)
+print(card.model_dump())
 ```
 
-## Пример вывода
-```markdown
-## Отчёт по LangChain
-**Предмет:** LangChain / Python
-**Дедлайн:** пятница
-**Сдать:** отчёт (5 страниц)
-**Требования:**
-- Объём 5 страниц
-**Сложность:** средне
-**Теги:** langchain, отчёт, python
-```
+## Architecture
+1. **PromptTemplate** – contains a short instruction and the format instructions from `PydanticOutputParser`.
+2. **ChatOpenAI** – calls BroJS LLM.
+3. **PydanticOutputParser** – validates that the model output matches the schema.
+4. The chain is a simple *prompt → llm → parser* pipeline.
+
+The code is intentionally straightforward to keep the focus on structured output generation.