diff --git a/docs/content/C2 Building Systems with the ChatGPT API/8.搭建一个带评估的端到端问答系统 Evaluation.ipynb b/docs/content/C2 Building Systems with the ChatGPT API/8.搭建一个带评估的端到端问答系统 Evaluation.ipynb
index 8f4212f..d1b66c7 100644
--- a/docs/content/C2 Building Systems with the ChatGPT API/8.搭建一个带评估的端到端问答系统 Evaluation.ipynb	
+++ b/docs/content/C2 Building Systems with the ChatGPT API/8.搭建一个带评估的端到端问答系统 Evaluation.ipynb	
@@ -12,19 +12,15 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "在本章中，我们将搭建一个带评估的端到端问答系统，这个系统综合了之前多节课的内容，并加入了评估过程。\n",
+    "在这一章节中，我们将会构建一个集成评估环节的完整问答系统。这个系统将会融合我们在前几节课中所学到的知识，并且加入了评估步骤。以下是该系统的核心操作流程：\n",
     "\n",
-    "1. 检查输入，确认其是否能通过审核 API 的审核。\n",
+    "1. 对用户的输入进行检验，验证其是否可以通过审核 API 的标准。\n",
+    "2. 若输入顺利通过审核，我们将进一步对产品目录进行搜索。\n",
+    "3. 若产品搜索成功，我们将继续寻找相关的产品信息。\n",
+    "4. 我们使用模型针对用户的问题进行回答。\n",
+    "5. 最后，我们会使用审核 API 对生成的回答进行再次的检验。\n",
     "\n",
-    "2. 如果通过了审核，我们将查找产品列表。\n",
-    "\n",
-    "3. 如果找到了产品，我们将尝试查找它们的相关信息。\n",
-    "\n",
-    "4. 我们使用模型回答用户提出的问题。\n",
-    "\n",
-    "5. 我们将通过审核 API 对生成的答案进行审核。\n",
-    "\n",
-    "如果没有被标记为有害的，我们将把答案返回给用户。"
+    "如果最终答案没有被标记为有害，那么我们将毫无保留地将其呈现给用户。"
    ]
   },
   {
@@ -34,6 +30,28 @@
     "## 二、端到端实现问答系统"
    ]
   },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "\n",
+    "在我们的探索之旅中，我们将实现一个完整的问答系统，一种能理解并回应人类语言的人工智能。在这个过程中，我们将使用 OpenAI 的相关API并引用相关函数，来帮助我们快速搭建一个高效且精准的模型。然而，我们需要注意到，在中文的理解和处理方面，由于模型的特性，我们可能会偶尔遇到不理想的结果。在这种情况下，你可以多尝试几次，或者进行深入的研究，以找到更稳定的方法。\n",
+    "\n",
+    "让我们先从一个函数开始，它的名称是 `process_user_message_ch`，该函数主要负责处理用户输入的信息。这个函数接收三个参数，用户的输入、所有的历史信息，以及一个表示是否需要调试的标志。\n",
+    "\n",
+    "在函数的内部，我们首先使用 OpenAI 的 Moderation API 来检查用户输入的合规性。如果输入被标记为不合规，我们将返回一个信息，告知用户请求不合规。在调试模式下，我们将打印出当前的进度。\n",
+    "\n",
+    "接下来，我们利用 `utils_zh.find_category_and_product_only` 函数（详细请见附录代码）抽取出用户输入中的商品和对应的目录。然后，我们将抽取的信息转化为一个列表。\n",
+    "\n",
+    "在获取到商品列表后，我们将查询这些商品的具体信息。之后，我们生成一个系统消息，设定一些约束，以确保我们的回应符合期望的标准。\n",
+    "\n",
+    "接下来，我们将生成的消息和历史信息一起送入 `get_completion_from_messages` 函数，得到模型的回应。\n",
+    "\n",
+    "之后，我们再次使用 Moderation API 检查模型的输出是否合规。如果输出不合规，我们将返回一个信息，告知无法提供该信息。\n",
+    "\n",
+    "最后，我们让模型自我评估是否很好地回答了用户的问题。如果模型认为回答是满足要求的，我们则返回模型的回答；否则，我们会告知用户，他们将会被转接到人工客服进行进一步的帮助。"
+   ]
+  },
   {
    "cell_type": "code",
    "execution_count": 6,
@@ -230,7 +248,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "实现一个可视化界面"
+    "为了持续优化用户和助手的问答体验，我们打造了一个友好的可视化界面，以促进用户与助手之间的便捷互动。"
    ]
   },
   {
@@ -307,11 +325,11 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "通过监控系统在更多输入上的质量，您可以修改步骤，提高系统的整体性能。\n",
+    "通过监控该问答系统在更多输入上的回答效果，您可以修改步骤，提高系统的整体性能。\n",
     "\n",
-    "也许我们会发现，对于某些步骤，我们的提示可能更好，也许有些步骤甚至不必要，也许我们会找到更好的检索方法等等。\n",
+    "我们可能会察觉，在某些环节，我们的 Prompt 可能更好，有些环节可能完全可以省略，甚至，我们可能会找到更好的检索方法等等。\n",
     "\n",
-    "我们将在下一章中进一步讨论这个问题。 "
+    "对于这个问题，我们将在接下来的章节中进行更深入的探讨。"
    ]
   },
   {