diff --git a/doc/fluid/api_cn/layers_cn/While_cn.rst b/doc/fluid/api_cn/layers_cn/While_cn.rst
index 74d4da040a40c77ce90d519ca2157c31f23de7b9..daa2bb52265cd870fa79c88134b417a0e7c51341 100644
--- a/doc/fluid/api_cn/layers_cn/While_cn.rst
+++ b/doc/fluid/api_cn/layers_cn/While_cn.rst
@@ -14,12 +14,15 @@ While
     如果参数 ``cond`` 的形状为[1]，强烈建议您使用新的OP :ref:`cn_api_fluid_layers_while_loop` 而不是 ``While``。
     OP :ref:`cn_api_fluid_layers_while_loop` 的使用方式更简单，并且调用该OP所用的代码更少且功能与 ``While`` 一样。
 
+    ``While`` 类似于C++中的while，在 ``While`` 中创建的局部变量是无法通过 ``Executor`` 中的 ``fetch_list`` 来捕获的。
+    若想实现该功能，请参考示例代码2 或参考 `issue#22724 <https://github.com/PaddlePaddle/Paddle/issues/22724>`_ 。
+
 参数：
     - **cond** (Variable) – 用于判断循环继续进行的条件，为数据类型bool型的Tensor，其shape必须为[1]。
     - **is_test** (bool，可选) – 用于表明是否在测试阶段执行，默认值为False。
     - **name** (str，可选) - 具体用法请参见 :ref:`api_guide_Name` ，一般无需设置，默认值为None。
 
-**代码示例**
+**代码示例 1**
 
 ..  code-block:: python
 
@@ -44,13 +47,32 @@ While
     print(res) # [array([10])]
 
 
+**代码示例 2**
 
+..  code-block:: python
 
+    import paddle.fluid as fluid
+    import numpy as np
 
+    i = fluid.layers.fill_constant(shape=[1], dtype='int64', value=0)
+    loop_len = fluid.layers.fill_constant(shape=[1], dtype='int64', value=10)
+    one = fluid.layers.fill_constant(shape=[1], dtype='float32', value=1)
+    data = fluid.data(name='data', shape=[1], dtype='float32')
 
+    sums = fluid.layers.fill_constant(shape=[1], dtype='float32', value=0)  # 在 While 外先定义要捕获的变量，需和要捕获的 While 内部的变量名称不同
 
+    cond = fluid.layers.less_than(x=i, y=loop_len)
+    while_op = fluid.layers.While(cond=cond)
+    with while_op.block():
+        sums_tensor = fluid.layers.elementwise_add(x=data, y=data)
+        fluid.layers.assign(input=sums_tensor, output=sums)        # 将 While 内定义的变量 sums_tenosr 通过 layers.assign 更新至 While 外的变量 sums 中
+        i = fluid.layers.increment(x=i, value=1, in_place=True)
+        data = fluid.layers.elementwise_add(x=data, y=one)
+        fluid.layers.less_than(x=i, y=loop_len, cond=cond)
 
-
-
-
+    feed_data = np.ones([1]).astype('float32')
+    exe = fluid.Executor(fluid.CPUPlace())
+    exe.run(fluid.default_startup_program())
+    res = exe.run(fluid.default_main_program(), feed={'data': feed_data}, fetch_list=sums)
+    print(res[0])  # [2.]        # 因 While 内的 data 没有将值更新到 While 外，故循环过后此处 sums 的值为 [2.]
 
diff --git a/doc/fluid/api_cn/layers_cn/while_loop_cn.rst b/doc/fluid/api_cn/layers_cn/while_loop_cn.rst
index 04ce95125f0750cc3e4ed6efda640c2df4d3853e..2d9011f8fd8d65cfbf0d280069ecd23e7cfc4601 100644
--- a/doc/fluid/api_cn/layers_cn/while_loop_cn.rst
+++ b/doc/fluid/api_cn/layers_cn/while_loop_cn.rst
@@ -10,6 +10,10 @@ ____________________________________
 
 该API用于实现类似while的循环控制功能，只要循环条件 ``cond`` 的返回值为True，``while_loop`` 则会循环执行循环体 ``body`` ，直到 ``cond`` 的返回值为False。
 
+**注意**:
+    ``body`` 中定义的局部变量无法使用 ``Executor`` 的 ``fetch_list`` 来捕获的，变量需在 ``body`` 外定义并将其置于 ``loop_vars`` 中进行循环更新后才可通过 ``fetch_list`` 捕获。
+
+
 参数：
     - **cond** (callable) - 返回boolean类型张量的可调用函数，用以判断循环是否继续执行。 ``cond`` 的参数和 ``loop_vars`` 相对应。
     - **body** (callable) - 循环执行的结构体。其返回一个包含tensor或LoDTensorArray的列表或元组，且这些tensor或LoDTensorArray的长度，结构，类型和 ``loop_vars`` 中的相同。 且``body`` 的参数与 ``loop_vars`` 相对应。