diff --git a/solutions/69a86305c46fd26feae6bcaa_Human-in-the-Loop_через_middleware/README.md b/solutions/69a86305c46fd26feae6bcaa_Human-in-the-Loop_через_middleware/README.md
index 535612d..5ce9acb 100644
--- a/solutions/69a86305c46fd26feae6bcaa_Human-in-the-Loop_через_middleware/README.md
+++ b/solutions/69a86305c46fd26feae6bcaa_Human-in-the-Loop_через_middleware/README.md
@@ -1,109 +1,139 @@
-# Human‑in‑the‑Loop через Middleware
+# Human‑in‑the‑Loop Agent via Middleware
 
-Пример реализации агента на LangGraph с встроенным `HumanInTheLoopMiddleware`.  
-При каждом вызове инструмента агент останавливается и выводит в терминал запрос
-на подтверждение (`approve` / `reject`). После ответа пользователь может
-продолжить выполнение, а агент продолжит работу.
+This repository contains a minimal example of an LLM agent that pauses whenever it wants to call a tool and asks the user for approval before proceeding.  
+The core idea is to use **`HumanInTheLoopMiddleware`** from LangChain, which intercepts every tool invocation, prints a prompt with the action details, and waits for the user to respond (`approve`, `reject`, or optionally edit the request).  
+
+> **Why this matters** – In many real‑world scenarios you want an LLM to ask for human confirmation before performing potentially sensitive actions (e.g., sending emails, accessing databases, calling external APIs).
 
 ---
 
-## 📦 Установка зависимостей
+## Table of Contents
 
-```bash
-# Создайте виртуальное окружение (рекомендуется)
-python -m venv .venv
-source .venv/bin/activate   # Windows: .venv\Scripts\activate
+- [Project Structure](#project-structure)
+- [Installation](#installation)
+- [Running the Agent](#running-the-agent)
+  - [Interactive Mode](#interactive-mode)
+  - [Scripted Example](#scripted-example)
+- [Example Usage](#example-usage)
+- [Extending the Agent](#extending-the-agent)
 
-# Установите необходимые пакеты
-pip install langgraph langchain-core langchain-openai openai tqdm
+---
+
+## Project Structure
+
+```
+├── solution.py          # Main script with the agent implementation
+└── README.md            # This file
 ```
 
-> **Важно**  
-> Для работы с OpenAI API понадобится переменная окружения `OPENAI_API_KEY`.  
-> ```bash
-> export OPENAI_API_KEY="sk-..."
-> ```
+`solution.py` contains:
+
+1. **LLM configuration** – uses `ChatOpenAI`.  
+2. **A simple tool** (`get_weather`) that returns a fake weather string.  
+3. **Memory checkpoint** via `MemorySaver`.  
+4. **Agent creation** with `create_react_agent` and the middleware.  
+5. **Execution loop** that keeps asking for user input until the conversation ends.
 
 ---
 
-## 📁 Структура проекта
+## Installation
 
-```text
-.
-├── solution.py          # Основной скрипт, реализующий агент
-└── README.md            # Текущий файл
-```
+1. **Clone the repo**
+
+   ```bash
+   git clone https://github.com/your-username/human-in-the-loop-agent.git
+   cd human-in-the-loop-agent
+   ```
+
+2. **Create a virtual environment (optional but recommended)**
+
+   ```bash
+   python -m venv .venv
+   source .venv/bin/activate      # On Windows: .venv\Scripts\activate
+   ```
+
+3. **Install dependencies**
+
+   ```bash
+   pip install --upgrade pip
+   pip install langchain langgraph openai
+   ```
+
+4. **Set your OpenAI API key**
+
+   ```bash
+   export OPENAI_API_KEY="sk-..."
+   # Windows: setx OPENAI_API_KEY "sk-..."
+   ```
 
 ---
 
-## ▶️ Запуск
+## Running the Agent
 
-### 1. Запустите скрипт из командной строки
+### Interactive Mode
+
+Simply run the script:
 
 ```bash
 python solution.py
 ```
 
-> Скрипт автоматически создаст агента, подключит middleware и начнет диалог с пользователем.
-
-### 2. Взаимодействие в терминале
-
-После каждого вызова инструмента вы увидите сообщение вида:
+You will see a prompt like:
 
 ```
-⚠️ Инструмент: get_weather
-Запрос: "Какая погода в Москве на 2024‑06‑01?"
-Нужно подтвердить действие (approve/reject):
+Agent wants to call tool `get_weather` with arguments:
+  city = "Moscow"
+  date = "2025-10-01"
+
+Please type one of: approve / reject (or edit <new_args>)
+> 
 ```
 
-- Введите `approve` – инструмент будет выполнен и результат вернётся агенту.
-- Введите `reject` – вызов инструмента отменяется, агент продолжит работу без него.
+Type **`approve`** to let the agent proceed, or **`reject`** to stop it.  
+If you want to modify the arguments before approval, use `edit city=London date=2025-12-25`.
+
+The conversation continues until the user types `stop` or the agent finishes its plan.
+
+### Scripted Example
+
+You can also run a quick demo that automatically approves all calls:
+
+```bash
+python - <<'PY'
+from solution import agent, llm, memory
+# Override middleware to auto‑approve for demonstration
+agent.middleware[0].interrupt_on = {"get_weather": False}
+print(agent.run("What's the weather in New York tomorrow?"))
+PY
+```
 
 ---
 
-## 📄 Пример использования
+## Example Usage
 
-```python
-from langgraph.prebuilt import create_react_agent
-from langchain.tools import tool
-from langgraph.checkpoint.memory import MemorySaver
-from langgraph.types import Command
-from langgraph.moderation import HumanInTheLoopMiddleware
+```bash
+$ python solution.py
+User: What's the weather in Paris next Friday?
+Agent wants to call tool `get_weather` with arguments:
+  city = "Paris"
+  date = "2025-10-06"
 
-# 1. Определяем инструмент
-@tool
-def get_weather(city: str, date: str) -> str:
-    """Возвращает погоду в городе на указанную дату."""
-    return f"Погода в {city} на {date}: солнечно 25°C."
+Please type one of: approve / reject (or edit <new_args>)
+> approve
 
-# 2. Создаём агент с middleware
-memory = MemorySaver()
-agent = create_react_agent(
-    tools=[get_weather],
-    memory=memory,
-    middleware=[HumanInTheLoopMiddleware()],
-)
-
-# 3. Запускаем диалог
-config = {"thread_id": "session-1"}
-state = agent.invoke({"messages": [{"role": "user", "content": "Какая погода в Москве на 2024‑06‑01?"}]}, config=config)
-print(state["messages"][-1]["content"])
+Assistant: Погода в Париже на 2025‑10‑06: солнечно 25°C.
+User: Thank you!
 ```
 
-> После запуска вы увидите запрос подтверждения и сможете взаимодействовать с агентом, как описано выше.
+---
+
+## Extending the Agent
+
+1. **Add more tools** – decorate any function with `@tool` and add it to the `tools` list in `create_react_agent`.
+2. **Change the interrupt policy** – modify `interrupt_on` dict (e.g., `{ "get_weather": True, "send_email": False }`).
+3. **Persist conversation state** – replace `MemorySaver()` with a database checkpoint if you need long‑term memory.
+4. **Custom prompts** – tweak `system_prompt` or add a custom `description_prefix`.
 
 ---
 
-## 📚 Полезные ссылки
-
-- [Документация LangChain – Human‑in‑the‑Loop](https://docs.langchain.com/oss/python/langchain/human-in-the-loop)
-- [LangGraph GitHub репозиторий](https://github.com/run-llama/langgraph)
-
----
-
-## 🤝 Вклад
-
-Если вы нашли ошибки или хотите добавить новые инструменты, создайте pull request.  
-Пожалуйста, придерживайтесь стиля кода из `solution.py` и добавляйте комментарии.
-
----```
\ No newline at end of file
+Happy hacking! 🚀
\ No newline at end of file