diff --git a/docs/.vuepress/public/images/framework-ai-arch.png b/docs/.vuepress/public/images/framework-ai-arch.png
new file mode 100644
index 0000000..a23df14
Binary files /dev/null and b/docs/.vuepress/public/images/framework-ai-arch.png differ
diff --git a/docs/doc/apparch/README.md b/docs/doc/apparch/README.md
index eb77f84..760ffde 100644
--- a/docs/doc/apparch/README.md
+++ b/docs/doc/apparch/README.md
@@ -6,6 +6,6 @@
 
 * [联](/doc/apparch/lian.md)
 
-* [智](/doc/apparch/zhi.md)
+* [知](/doc/apparch/zhi.md)
 
 * [控](/doc/apparch/kong.md)
diff --git a/docs/doc/apparch/zhi.md b/docs/doc/apparch/zhi.md
index c849bcd..0ce584f 100644
--- a/docs/doc/apparch/zhi.md
+++ b/docs/doc/apparch/zhi.md
@@ -1 +1,15 @@
-# 智
\ No newline at end of file
+# 知 - 智能框架
+
+## 基本框架
+
+工厂中不仅有气压、温度等环境数据，还有很多图像、声音等数据，比如工业设备仪表盘、厂房工人分布等，这些数据也需要检测并处理。传统方案使用嵌入式终端采集、云端处理的架构。而当前越来越多的硬件厂商开始将一部分AI算力下沉到嵌入式终端上，比如 ST 推出的针对 STM 平台的神经网络加速库 STM32 Cube.AI，ARM 即将发布的针对嵌入式场景的 Ethos-U55 神经网络处理器，以及 勘智 K210 平台嵌入了一颗卷积网络加速器 KPU。本系统提供了在嵌入式节点端做轻量级AI处理的应用框架，可以在 Arm Cortex-M 或者 有神经网络加速器的平台（比如 勘智 K210）运行。对于复杂的 AI 应用，可以选择完全在 边缘或者云侧处理，也可以选择在 节点端做简单预处理，在 边缘或者云侧做后续的处理。基本结构如下：
+
+![智能框架架构](/images/framework-ai-arch.png)
+
+端侧智能运行框架中，目前在 STM32 平台上支持 TensorFlow Lite for Microcontroller，勘智K210 上支持 KPU Model，CV算子目前暂不支持。模型库中有一些已经训练好的模型，可以直接使用，比如人物检测模型，仪表盘识别模型等。
+
+## 端侧 Framework 的使用说明
+
+在 STM32 平台，本系统提供 TensorFlow Lite for Microcontroller 框架，关于 TF Lite for MCU 的使用，可以参照 [TF Lite for MCU 官方教程](https://www.tensorflow.org/lite/microcontrollers) ，详细说明后续补充。
+
+在 勘智 K210 平台，本系统提供 KPU Model 的框架，详细使用可以参考 [勘智官方说明](https://s3.cn-north-1.amazonaws.com.cn/dl.kendryte.com/documents/kendryte_standalone_programming_guide_v0.3.0.pdf) 的 “神经网络处理器（KPU）”章节，详细说明后续补充。