diff --git a/docs/zh/06-advanced/06-TDgpt/09-dev/04-tsfm/index.md b/docs/zh/06-advanced/06-TDgpt/09-dev/04-tsfm/index.md
index 92f808eaae..0d9f1af55d 100644
--- a/docs/zh/06-advanced/06-TDgpt/09-dev/04-tsfm/index.md
+++ b/docs/zh/06-advanced/06-TDgpt/09-dev/04-tsfm/index.md
@@ -1,10 +1,10 @@
 ---
-title: "部署 Time-MoE 模型"
-sidebar_label: "部署 Time-MoE 模型"
+title: "部署时序基础模型"
+sidebar_label: "部署时序基础模型"
 ---
 
-本章主要介绍部署并使用开源时序基础模型（Time Series Foundation Model, TSFM），由众多研究机构及企业开源时序基础模型极大地简化
-了时序数据分析的复杂程度，在数据分析算法、机器学习和传统深度学习模型之外，提供了一个时间序列数据高级分析的新选择。
+由众多研究机构及企业开源时序基础模型极大地简化了时序数据分析的复杂程度，在数据分析算法、机器学习和深度学习模型之外，
+提供了一个时间序列数据高级分析的新选择。本章介绍部署并使用开源时序基础模型（Time Series Foundation Model, TSFM）。
 
 TDgpt 已经内置原生支持了两个时序基础模型涛思时序基础模型 (TDtsfm v1.0) 和 Time-MoE。但是越来越多的开源或商业时序模型需要
 用户按需将其整合到 TDgpt 中，本章将以支持 Time-MoE 模型为例，说明如何将一个独立部署的 MaaS 服务整合到 TDgpt 中，
@@ -24,6 +24,7 @@ pip install accelerate
 ```
 您可以使用 TDgpt 的虚拟环境，也可以新创建一个虚拟环境，使用该虚拟环境之前，确保正确安装了上述依赖包。
 
+
 # 设置本地时序基础模型服务地址
 
 TDgpt 安装根目录下的 `./lib/taosanalytics/time-moe.py` 文件负责 Time-MoE 模型的部署和服务，修改文件设置合适的服务 URL。
@@ -89,8 +90,8 @@ curl 127.0.0.1:5001/ds_predict
 <p>The method is not allowed for the requested URL.</p>
 ```
 
-# 添加模型预测分析适配代码
-您可用参考 https://github.com/taosdata/TDengine/blob/main/tools/tdgpt/taosanalytics/algo/fc/timemoe.py 文件进行 MaaS 服务的适配。
+# 添加模型适配代码
+您可用参考 https://github.com/taosdata/TDengine/blob/main/tools/tdgpt/taosanalytics/algo/fc/timemoe.py 文件进行 MaaS 服务的适配。我们适配Time-MoE提供预测服务。
 
 ```python
 class _TimeMOEService(AbstractForecastService):