diff --git a/solutions/69a474cdc46fd26feae69896_Практическое_задание__3__Память_и_подтве/README.md b/solutions/69a474cdc46fd26feae69896_Практическое_задание__3__Память_и_подтве/README.md
index 93622cc..c0e5347 100644
--- a/solutions/69a474cdc46fd26feae69896_Практическое_задание__3__Память_и_подтве/README.md
+++ b/solutions/69a474cdc46fd26feae69896_Практическое_задание__3__Память_и_подтве/README.md
@@ -1,13 +1,15 @@
-# Практическое задание №3: Память и подтверждение действий
+# Практическое задание №3 – Память и подтверждение действий
 
 ## Описание проекта
-В этом задании вы доработаете агента из предыдущих практических работ, добавив:
-- **Память разговора** – агент будет помнить все сообщения в рамках одного диалога.
-- **Механизм подтверждения** перед вызовом любого инструмента – пользователь сможет согласовать действие.
+В этом задании вы дорабатываете агента из предыдущих практических работ.  
+Новые возможности:
 
-Для более приятного вывода используется библиотека `rich`.
+* **Память разговора** – агент запоминает все сообщения в рамках одного диалога.
+* **Подтверждение перед вызовом инструмента** – пользователь подтверждает каждый запрос к инструменту.
 
-## Структура проекта
+Для красивого вывода используется библиотека `rich`.
+
+## Структура репозитория
 ```
 project/
 ├── solution.py          # Основной скрипт с реализацией агента
@@ -24,101 +26,77 @@ python -m venv .venv
 source .venv/bin/activate   # Windows: .venv\Scripts\activate
 
 # Установите все необходимые пакеты
-pip install rich langgraph langchain-openai langchain-core
+pip install langchain-openai langgraph rich
 ```
 
 > **Важно**  
-> `langgraph` и `langchain-openai` автоматически подтянут нужные версии OpenAI SDK.  
-> Если у вас нет ключа API, создайте переменную окружения `OPENAI_API_KEY`.
-
-```bash
-export OPENAI_API_KEY="sk-..."
-```
+> Для работы с `ChatOpenAI` вам понадобится переменная окружения `OPENAI_API_KEY`.  
+> ```bash
+> export OPENAI_API_KEY="sk-..."
+> ```
 
 ---
 
-## Запуск скрипта
+## Запуск проекта
 
-### 1️⃣ Запустите файл напрямую
+### 1. Откройте терминал и перейдите в корневую папку проекта.
+
+```bash
+cd /путь/к/project
+```
+
+### 2. Активируйте виртуальное окружение (если не сделали это ранее).
+
+```bash
+source .venv/bin/activate   # Windows: .venv\Scripts\activate
+```
+
+### 3. Запустите скрипт `solution.py`.
 
 ```bash
 python solution.py
 ```
 
-Скрипт откроет интерактивный чат, где вы можете задавать вопросы. При каждом вызове инструмента агент сначала спросит подтверждение.
+> Скрипт запускает интерактивный диалог с агентом.  
+> Введите сообщение, после чего агент предложит вам подтвердить вызов инструмента (в данном случае – эхо‑инструмент).  
+> Нажмите **Y** для подтверждения или **N** для отмены.
 
-> **Пример**  
-> ```
-> Пользователь: Привет!
-> Агент: Здравствуйте! Чем могу помочь?
-> Пользователь: Напиши мне список покупок.
-> Агент: Вы хотите вызвать инструмент `echo_tool` с аргументом `text="список покупок"`? (y/n)
-> y
-> Эхо: список покупок
-> ```
+---
 
-### 2️⃣ Запуск в режиме потоковой передачи
+## Пример использования
 
-Если вы хотите видеть ответы по частям, можно запустить скрипт так:
-
-```bash
-python solution.py --stream
+```text
+$ python solution.py
+🤖  Здравствуйте! Чем могу помочь? 
+User: Какой сегодня день недели?
+🤖  (подтверждение) Вы хотите вызвать инструмент echo_tool с аргументом {"message": "Какой сегодня день недели?"}?
+Y
+✅  Эхо: Какой сегодня день недели?
+🤖  Что ещё интересует вас?
 ```
 
-Внутри `solution.py` реализован флаг `--stream`, который переключает режим вывода.
+* `🤖` – вывод агента.  
+* `User:` – ваш ввод.  
+* `✅` – результат работы инструмента после подтверждения.
 
 ---
 
-## Пример использования кода
+## Как это работает
 
-```python
-from rich.console import Console
-from langgraph.checkpoint.memory import MemorySaver
-from langgraph.prebuilt import create_chat_agent
-from langchain_openai import ChatOpenAI
-
-# 1. Консоль для красивого вывода
-console = Console()
-
-# 2. Создаём LLM
-llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)
-
-# 3. Определяем инструмент
-def echo_tool(args: dict) -> str:
-    return f"Эхо: {args.get('text', '')}"
-
-# 4. Память и агент с паузой перед инструментом
-memory = MemorySaver()
-agent = create_chat_agent(
-    llm=llm,
-    tools=[echo_tool],
-    system_prompt="Ты — полезный ассистент, который сначала спрашивает подтверждение перед вызовом инструмента.",
-    checkpointer=memory,
-    interrupt_before=['tools'],  # остановка перед каждым инструментом
-)
-
-# 5. Запускаем диалог
-config = {"configurable": {"thread_id": "разговор-1"}}
-for chunk in agent.stream({"messages": [HumanMessage(content="Напиши мне список покупок")]}, config=config):
-    console.print(chunk)
-```
+1. **MemorySaver** сохраняет все сообщения в состоянии графа, позволяя агенту «помнить» историю диалога.
+2. Параметр `interrupt_before=['tools']` заставляет агент остановиться перед каждым вызовом инструмента и запросить подтверждение от пользователя.
+3. Библиотека `rich` используется для красивого форматирования вывода в консоли.
 
 ---
 
-## Что дальше?
+## Что дальше
 
-- Добавьте собственные инструменты (например, поиск в интернете, работа с файлами и т.д.).
-- Изучите другие параметры `create_chat_agent`, такие как `interrupt_after` или `max_output_tokens`.
-- Попробуйте использовать разные модели (`gpt-4o-mini`, `claude-3.5-sonnet` и др.) – просто поменяйте аргумент `model`.
+* Добавьте собственные инструменты (например, поиск в интернете, вычисления и т.д.).
+* Измените `system_prompt`, чтобы агент отвечал в нужном стиле.
+* Попробуйте запустить несколько диалогов с разными `thread_id` – они будут независимыми.
 
 ---
 
-## Полезные ссылки
+## Поддержка
 
-| Тема | Ссылка |
-|------|--------|
-| LangGraph Docs | https://langgraph.org/docs/ |
-| LangChain OpenAI | https://python.langchain.com/docs/integrations/providers/openai |
-| Rich Library | https://rich.readthedocs.io/en/latest/introduction.html |
-
----
\ No newline at end of file
+Если возникли вопросы или проблемы, откройте issue в репозитории.
\ No newline at end of file