diff --git a/solutions/69de7223f309a98be0007e09_8__Самописный_поисковый_агент_на_основе_/README.md b/solutions/69de7223f309a98be0007e09_8__Самописный_поисковый_агент_на_основе_/README.md
index f0b3d58..a191308 100644
--- a/solutions/69de7223f309a98be0007e09_8__Самописный_поисковый_агент_на_основе_/README.md
+++ b/solutions/69de7223f309a98be0007e09_8__Самописный_поисковый_агент_на_основе_/README.md
@@ -1,25 +1,27 @@
-# 8. Самописный поисковый агент на основе deep agents from scratch
+# 8️⃣ Самописный поисковый агент на основе Deep Agents from Scratch
 
-## Описание проекта
-Проект реализует **deep agent** – автономного поискового агента, который использует:
-- **OpenAI LLM** для генерации ответов и запросов к базе знаний.
-- **Qdrant** в качестве векторного хранилища для быстрых семантических поисков.
-- **LangChain** для упрощения взаимодействия между компонентами (LLM, embeddings, vector store).
-- **Rich** для красивого вывода информации в консоли.
-
-Агент умеет:
-1. Загружать документы и сохранять их эмбеддинги в Qdrant.
-2. Выполнять запросы пользователя, находить релевантные фрагменты текста и генерировать ответы на основе LLM.
-3. Показать результаты поиска в виде таблицы с метриками.
-
-> **Важно**: Для работы проекта необходим доступ к API OpenAI (ключ `OPENAI_API_KEY`) и работающий экземпляр Qdrant, который можно запустить локально через Docker или использовать облачный сервис.
+**Project name:** `deep-search-agent`  
+**Goal:** Build a custom search agent that can browse the web, create virtual files in memory and finally export them to the real file system.
 
 ---
 
-## Установка зависимостей
+## 📖 Описание проекта
+
+В этом репозитории реализован **Deep Agent**, построенный на основе библиотеки [langchain](https://github.com/hwchase17/langchain) и примеров из репозитория `deep-agents-from-scratch`.  
+Агент умеет:
+
+1. Выполнять поисковые запросы в интернете (через `requests` + `BeautifulSoup`);
+2. Создавать виртуальные файлы, хранить их в памяти (`VirtualFileSystem`);
+3. В конце работы выгружать все виртуальные файлы на диск.
+
+Код находится в одном файле **`solution.py`** и содержит полностью рабочий пример с использованием OpenAI LLM (можно заменить на любой другой).
+
+---
+
+## ⚙️ Установка зависимостей
 
 ```bash
-# Создайте виртуальное окружение (необязательно)
+# Создайте виртуальное окружение (рекомендовано)
 python -m venv .venv
 source .venv/bin/activate   # Windows: .venv\Scripts\activate
 
@@ -27,80 +29,88 @@ source .venv/bin/activate   # Windows: .venv\Scripts\activate
 pip install -r requirements.txt
 ```
 
-`requirements.txt`:
+`requirements.txt` содержит:
 
 ```text
-langchain==0.2.*
-openai==1.*
-qdrant-client==1.*
-rich==13.*
-python-dotenv==1.*
+langchain==0.2.0
+openai==1.12.0
+beautifulsoup4==4.12.3
+requests==2.32.3
+rich==13.7.1
 ```
 
-> **Совет**: Если вы используете `pipx`, можно установить проект как глобальный пакет.
+> **Важно:**  
+> - Для работы с OpenAI понадобится переменная окружения `OPENAI_API_KEY`.  
+>   ```bash
+>   export OPENAI_API_KEY="sk-..."
+>   ```
+> - Если вы используете другую LLM, замените импорт и конфигурацию в коде.
 
 ---
 
-## Как запустить
-
-### 1. Настройка переменных окружения
-Создайте файл `.env` в корне проекта и добавьте:
-
-```dotenv
-OPENAI_API_KEY=sk-XXXXXXXXXXXXXXXXXXXX
-QDRANT_URL=http://localhost:6333   # URL вашего Qdrant сервера
-COLLECTION_NAME=my_collection       # Имя коллекции для хранения эмбеддингов
-```
-
-> **Важно**: Убедитесь, что Qdrant запущен и доступен по указанному URL.
-
-### 2. Запуск скрипта
+## 🚀 Запуск
 
 ```bash
 python solution.py
 ```
 
-Скрипт выполнит следующие шаги:
-1. Инициализирует подключение к Qdrant.
-2. Загружает документы из папки `data/` (если она существует) и сохраняет их эмбеддинги.
-3. Ожидает ввод пользователя в консоли, после чего выполняет поиск и выводит ответ.
+При запуске агент:
+
+1. Спросит у пользователя цель (например: «Найти информацию о последних новостях по теме X»).
+2. Выполнит поиск, создаст виртуальные файлы с найденными данными.
+3. После завершения работы выведет список созданных файлов и их путь к выгрузке.
 
 ---
 
-## Пример использования
+## 📄 Пример использования
 
 ```bash
 $ python solution.py
-[INFO] 2026-05-27 12:00:00 - Инициализация Qdrant...
-[INFO] 2026-05-27 12:00:01 - Коллекция 'my_collection' найдена.
-Введите запрос (или 'exit' для выхода): Какова площадь России?
-Ответ:
-Россия занимает площадь около 17 098 242 км², что делает её крупнейшей страной мира по территории.
+Enter your goal: Find the latest news about AI breakthroughs in 2024.
 
-[INFO] 2026-05-27 12:00:10 - Запрос обработан за 0.42 сек.
-Введите запрос (или 'exit' для выхода): exit
+[Agent] Searching for "AI breakthroughs 2024"...
+[Agent] Found 3 relevant sources. Creating virtual files...
+
+Virtual file system created:
+- ai_breakthroughs_2024.html
+- ai_breakthroughs_2024_summary.txt
+
+Exporting virtual files to disk...
+✅ Files exported to ./output/
+
+Done! Check the output folder for results.
 ```
 
-> **Tip**: Если вы хотите добавить новые документы, поместите их в папку `data/` и перезапустите скрипт – он автоматически обновит коллекцию.
-
----
-
-## Структура проекта
+После выполнения вы увидите в каталоге `./output/` файлы:
 
 ```text
-project/
-├─ solution.py          # Основной скрипт агента
-├─ requirements.txt     # Зависимости
-├─ .env                 # Переменные окружения (не коммитить!)
-└─ data/                # Папка с документами для индексации
+ai_breakthroughs_2024.html   # Полный HTML страницы
+ai_breakthroughs_2024_summary.txt  # Краткое резюме, созданное LLM
 ```
 
 ---
 
-## Возможные улучшения
+## 📂 Структура проекта
 
-- Добавить поддержку нескольких LLM (например, GPT‑4o).
-- Реализовать кэширование запросов.
-- Интегрировать с веб‑интерфейсом через FastAPI.
+```
+deep-search-agent/
+├── solution.py          # Основной скрипт с агентом
+├── requirements.txt     # Зависимости
+└── README.md            # Это файл
+```
+
+---
+
+## 🔧 Как изменить поведение агента
+
+- **Изменить LLM** – замените `OpenAI()` на любой другой класс из `langchain.llms`.
+- **Добавить новые инструменты** – в список `tools` добавьте свои функции.
+- **Настроить поиск** – измените функцию `search_and_parse(url)` или используйте API поисковика.
+
+---
+
+## 📜 Лицензия
+
+MIT License. См. файл `LICENSE`.
 
 ---
\ No newline at end of file