diff --git a/docs/source/export.md b/docs/source/export.md
index 994de068e..9ab9b31d4 100644
--- a/docs/source/export.md
+++ b/docs/source/export.md
@@ -98,7 +98,11 @@ pai -name easy_rec_ext -project algo_public
   - --export_done_file: 导出完成标志文件名, 导出完成后，在导出目录下创建一个文件表示导出完成了
   - --clear_export: 删除旧的导出文件目录
   - --place_embedding_on_cpu: 将embedding相关的操作放在cpu上，有助于提升模型在gpu环境下的推理速度
-- 注: 如果是双塔召回模型(如dssm, mind等)一般还需要进行模型切分和索引构建, 参考下面章节
+- 模型导出之后可以使用(EasyRecProcessor)\[./predict/在线预测.md\]部署到PAI-EAS平台
+
+### 双塔召回模型
+
+如果是双塔召回模型(如dssm, mind等), 模型导出之后, 一般还需要进行模型切分和索引构建, 才能使用(EasyRecProcessor)\[./predict/在线预测.md\]部署到PAI-EAS上.
 
 #### 模型切分
 
@@ -166,8 +170,7 @@ pai -name easy_rec_py3_ext
 -Dextra_params='--index_output_dir=oss://{oss_bucket}/dssm/export/user';
 ```
 
--Dtables: 物品向量表
-
+- -Dtables: 物品向量表
 - -Dextra_params:
   - --index_output_dir: 索引输出目录, 一般设置为已切分好的用户塔模型目录，便于用EasyRec Processor部署
   - --index_type: 索引类型，可选 IVFFlat | HNSWFlat，默认为 IVFFlat
diff --git "a/docs/source/predict/\345\234\250\347\272\277\351\242\204\346\265\213.md" "b/docs/source/predict/\345\234\250\347\272\277\351\242\204\346\265\213.md"
index 9f07043cd..56f496945 100644
--- "a/docs/source/predict/\345\234\250\347\272\277\351\242\204\346\265\213.md"
+++ "b/docs/source/predict/\345\234\250\347\272\277\351\242\204\346\265\213.md"
@@ -66,7 +66,7 @@ eascmd -i <AccessKeyID> -k <AccessKeySecret> -e <EndPoint> desc alirec_rank
 
 配置文件(alirec_rank.json)解析:
 
-- processor: easyrec-1.5, 更多版本可以参考[文档](./processor.md#release)
+- processor: easyrec-2.0, 更多版本可以参考[文档](./processor.md#release)
 - storage: 挂载oss模型目录
 - warm_up_data_path: PAI-EAS服务启动之前会使用warmup_data_path指定的请求数据[预热服务](https://help.aliyun.com/zh/pai/user-guide/warm-up-model-services)
   - 文件格式参考[TensorFlow服务请求](https://help.aliyun.com/document_detail/111055.html)
@@ -74,6 +74,7 @@ eascmd -i <AccessKeyID> -k <AccessKeySecret> -e <EndPoint> desc alirec_rank
 - model_config
   - fg_mode: bypass模式表示不使用fg(Feature generation)功能, 如需要使用FG请参考文档[RTP FG](../feature/rtp_fg.md).
   - save_req: 保存请求到挂载模型目录下(以.pb结尾), 可以重命名以后(.bin)作为warmup文件.
+  - faiss_ivf_nprobe: 向量召回模型向量检索参数(IVFFlat索引), 默认值为100
 - 其它参数是所有EAS服务通用的, 请参考[EAS文档](https://help.aliyun.com/zh/pai/user-guide/parameters-of-model-services).
 
 ## 界面部署