Update README_CN.md

README_CN.md

@@ -3,7 +3,7 @@
 
 [English](README.md) | [中文](README_CN.md)
 
-## 1. 模型介绍
+## 模型介绍
 
 我们推出了全新的大语言模型系列 **MindLink**，由**昆仑万维** 开发。我们使用了最新的后训练（post-training）技术来改进了 **Qwen** 模型的效果，在多个通用基准测试中，MindLink 展现了较强的性能，能够广泛应用于多种 AI 场景。我们欢迎各方反馈，以帮助我们不断优化和改进模型。
 
@@ -34,7 +34,58 @@
 
 * MindLink模型，是基于Qwen3-32B和Qwen2.5-72B，进行了后训练，提高了原本模型能力，未来会开源更多尺寸模型。
 
-## 2. API 接入
+---
+
+## 快速开始
+
+以下示例代码展示了如何使用 `apply_chat_template` 来加载分词器和模型，并生成内容。
+
+> ⚠️ 请确保已安装 `transformers>=4.51.0`，不支持更低版本。
+
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer
+
+model_name = "Skywork/MindLink-72B-0801"
+
+model = AutoModelForCausalLM.from_pretrained(
+    model_name,
+    torch_dtype="auto",
+    device_map="auto"
+)
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+
+prompt = "中国的首都是哪里？"
+messages = [
+    {"role": "user", "content": prompt}
+]
+text = tokenizer.apply_chat_template(
+    messages,
+    tokenize=False,
+    add_generation_prompt=True
+)
+model_inputs = tokenizer([text], return_tensors="pt").to(model.device)
+
+generated_ids = model.generate(
+    **model_inputs,
+    max_new_tokens=512
+)
+generated_ids = [
+    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
+]
+
+response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
+```
+
+部署时，可以使用 `sglang>=0.4.6.post1` 创建一个兼容 OpenAI 的 API 接口：
+
+* SGLang:
+
+  ```shell
+  python -m sglang.launch_server --model-path Skywork/MindLink-72B-0801 --tp 2
+  ```
+---
+
+## API 接入
 
 📢 我们为开发者提供了一个月的免费 API 调用额度来探索与测试我们的模型。同时如需申请 Open WebUI 的账户（https://sd1svahsfo0m61h76e190.apigateway-cn-beijing.volceapi.com）， 请发送邮件联系我们~ **[[email protected]](mailto:[email protected])**。
 
@@ -108,7 +159,7 @@ else:
 
 ---
 
-## 3. 模型评估
+## 模型评估
 
 结果如下:
 ![MindLink和各大先进模型对比](./figure1.png)