diff --git a/docs/KIMI_K3_DEPLOY.md b/docs/KIMI_K3_DEPLOY.md
index d30ecd3..2ba0a3b 100644
--- a/docs/KIMI_K3_DEPLOY.md
+++ b/docs/KIMI_K3_DEPLOY.md
@@ -216,7 +216,18 @@ FlashKDA（MoonshotAI CUTLASS KDA 内核，支持 sm_120）可作为 KDA prefill
                     └───────────────────┘
 ```
 
-### B.2 一键部署
+### B.2 运维准备（一次性，新环境才需执行）
+
+已部署过的集群可跳过本节。步骤顺序：
+
+1. **免密与文件就位**：确保 8 节点互信、docker 可用；把 `patch_k3_sm120.py`、`flash_kda-*.whl`、mooncake wheel 分发到 8 节点（路径见附录 B.2 下方说明）。
+2. **sskj 仓库**：`.5` 和 `.1` 都需 clone `/data/yy/sskj`（deploy_pd.sh 的 deploy 层命令依赖）。
+3. **拉镜像**：8 节点 `docker pull lmsysorg/sglang:kimi-k3`。
+4. **GPU 空闲**：`nvidia-smi` 全 0 MiB，否则联系模型团队确认。
+
+详细命令见 `experiments/pro6000/kimi3_pro6000_pd_rdma/README.md` 的「运维一键部署」章节（含每步的可执行命令与验证）。
+
+### B.3 一键部署
 
 ```bash
 cd /data/yy/sskj/experiments/pro6000/kimi3_pro6000_pd_rdma
@@ -226,7 +237,7 @@ bash deploy_pd.sh stop
 bash deploy_pd.sh restart
 ```
 
-### B.3 验证
+### B.4 验证
 
 ```bash
 # 端到端（router 自动双发 P/D）
@@ -236,7 +247,7 @@ curl -s http://174.1.60.5:31000/generate -H "Content-Type: application/json" \
 
 长输入验证（2026-08-11 实测）：1680 / 5280 tokens 输入均正常，P 组 prefill ~112 tok/s，D 组 decode ~26 tok/s。
 
-### B.4 关键注意事项（务必遵守）
+### B.5 关键注意事项（务必遵守）
 
 1. **禁止设置 `PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True`**
    expandable_segments 分配的 GPU 段，mooncake RDMA 注册报 `Bad address [14]`
@@ -247,7 +258,7 @@ curl -s http://174.1.60.5:31000/generate -H "Content-Type: application/json" \
 4. NCCL/GLOO 走计算网（`bond1` + `NCCL_IB_HCA=mlx5_0..3`），不要走管理网 bond0。
 5. mc-master（mooncake 元数据服务）需先在 174.1.60.1 运行（deploy_pd.sh 自动处理）。
 
-### B.5 与单组部署的取舍
+### B.6 与单组部署的取舍
 
 | 维度 | 单组 TP32×EP32 | PD 分离（MoonCake RDMA） |
 |---|---|---|
diff --git a/experiments/pro6000/kimi3_pro6000_pd_rdma/README.md b/experiments/pro6000/kimi3_pro6000_pd_rdma/README.md
index 4c88191..88a8f67 100644
--- a/experiments/pro6000/kimi3_pro6000_pd_rdma/README.md
+++ b/experiments/pro6000/kimi3_pro6000_pd_rdma/README.md
@@ -45,6 +45,101 @@ PD 分离部署（PD Disaggregation）将 prefill（预填充，计算密集型
   mc-master (174.1.60.1:50051)  MoonCake 元数据服务
 ```
 
+## 运维一键部署（从干净环境到跑通）
+
+以下是运维同学按顺序执行即可完成整套 PD 部署的完整步骤。**前 4 步是"一次性准备"**（新机器/新环境才需要；已部署过的集群可跳过，直接看第 5 步）。
+
+### 步骤 1：准备 8 节点环境（一次性）
+
+前置：8 台节点（174.1.60.1~8）已安装 NVIDIA 驱动 + CUDA + Docker，GPU 空闲（`nvidia-smi` 全 0 MiB）。
+
+```bash
+# 在任意一台（建议 .5）确认能免密 ssh 到全部 8 节点
+for i in 1 2 3 4 5 6 7 8; do ssh 174.1.60.$i hostname; done
+# 若某台需密码，先配免密（把公钥分发过去）
+ssh-copy-id root@174.1.60.$i   # 对每台执行
+```
+
+### 步骤 2：分发部署文件到 8 节点（一次性）
+
+每台节点需要 3 个文件（patch 脚本 + flashkda wheel + mooncake wheel），放到指定路径：
+
+```bash
+# 在 .5 上执行（假设文件已存在于 .5 的对应位置；若没有，先从模型团队获取）
+FILES="/tmp/patch_k3_sm120.py
+/tmp/flash_kda-0.0.1-cp312-cp312-linux_x86_64.whl
+/data/flashkda_deploy/wheels/mooncake_transfer_engine_cuda13-0.3.12.post1-cp312-cp312-manylinux_2_28_x86_64.whl"
+
+for h in 1 2 3 4 5 6 7 8; do
+  ssh 174.1.60.$h "mkdir -p /tmp /data/flashkda_deploy/wheels"  # 确保父目录存在
+  for f in $FILES; do
+    scp -q $f 174.1.60.$h:/$f
+  done
+  echo "  .$h 文件就位"
+done
+
+# 验证：每台应显示 3/3
+for h in 1 2 3 4 5 6 7 8; do
+  echo -n "  .$h: "
+  ssh 174.1.60.$h "ls /tmp/patch_k3_sm120.py /tmp/flash_kda-0.0.1-cp312-cp312-linux_x86_64.whl /data/flashkda_deploy/wheels/*.whl 2>/dev/null | wc -l"
+done
+```
+
+### 步骤 3：部署 sskj 仓库到 .5 和 .1（一次性）
+
+`deploy_pd.sh` 依赖 sskj 仓库：.5 上用于编排，.1 上用于执行 P 组 deploy 层命令。
+
+```bash
+# .5 上已有仓库则跳过；没有则 clone（在 .5 上执行）
+git clone https://git.meta-stone.net/qqtang/sskj.git /data/yy/sskj
+
+# .1 上也必须 clone（deploy_pd.sh 会在 .1 执行 python -m sskj.deploy）
+ssh 174.1.60.1 "mkdir -p /data/yy && git clone https://git.meta-stone.net/qqtang/sskj.git /data/yy/sskj"
+
+# 保持两边同步最新
+cd /data/yy/sskj && git pull origin main
+ssh 174.1.60.1 "cd /data/yy/sskj && git pull origin main"
+```
+
+### 步骤 4：拉取镜像（一次性）
+
+```bash
+for h in 1 2 3 4 5 6 7 8; do
+  ssh 174.1.60.$h "docker pull lmsysorg/sglang:kimi-k3" &
+done; wait
+```
+
+### 步骤 5：一键启动（每次部署执行）
+
+```bash
+cd /data/yy/sskj/experiments/pro6000/kimi3_pro6000_pd_rdma
+bash deploy_pd.sh start
+# 预计 12~18 分钟（模型加载 + CUDA graph + PD warmup）
+```
+
+### 步骤 6：验证
+
+```bash
+# 看状态
+bash deploy_pd.sh status
+
+# 端到端推理（应有正常文本返回）
+curl -s http://174.1.60.5:31000/generate -H "Content-Type: application/json"   -d '{"text":"Hello","sampling_params":{"max_new_tokens":16}}'
+```
+
+### 停止 / 重启
+
+```bash
+bash deploy_pd.sh stop      # router → D 组 → P 组 → mc-master
+bash deploy_pd.sh restart
+```
+
+### 部署文件来源
+
+- `patch_k3_sm120.py`、`flash_kda-0.0.1-*.whl`：模型团队产物（见 `docs/KIMI_K3_DEPLOY.md` 附录 A）
+- `mooncake_transfer_engine_cuda13-0.3.12.post1-*.whl`：`/data/flashkda_deploy/wheels/`
+- 若文件缺失，找模型团队提供或重新构建/下载
+
 ## 使用
 
 ```bash