diff --git a/docs/zh_CN/xparl/tutorial.md b/docs/zh_CN/xparl/tutorial.md
index 066297f57576575180eed2e3fb05b459ff7c9575..8a0ef4087ffcd124caaa6060877608ab88f078cf 100644
--- a/docs/zh_CN/xparl/tutorial.md
+++ b/docs/zh_CN/xparl/tutorial.md
@@ -3,7 +3,7 @@
 ## 配置命令 
 这个教程将会演示如何搭建一个集群。
 
-搭建一个PARL集群，可以通过执行下面两个`xparl`命令：
+搭建一个PARL集群，可以通过执行下面的`xparl`命令：
 
 ### 启动集群
 ```bash
@@ -12,17 +12,17 @@ xparl start --port 6006
 
 这个命令会启动一个主节点（master）来管理集群的计算资源，同时会把本地机器的CPU资源加入到集群中。命令中的6006端口只是作为示例，你可以修改成任何有效的端口。
 
-### 加入其它机器资源
-> 注意：如果你只有单台机器，可以忽略这部分教程。
+启动后可通过`xparl status`查看目前集群有多少CPU资源可用，你可以在`xparl start`的命令中加入选项`--cpu_num [CPU_NUM]` (例如：--cpu_num 10)指定本机加入集群的CPU数量。
 
-如果你想加入更多的CPU计算资源到集群中，可以在其他机器上运行下面命令：
+### 加入更多CPU资源
+
+启动集群后，就可以直接使用集群了，如果CPU资源不够用，你可以在任何时候和任何机器（包括本机或其他机器）上，通过执行`xparl connect`命令把更多CPU资源加入到集群中。
 
 ```bash
  xparl connect --address [MASTER_ADDRESS]:6006
 ```
-它会启动一个工作节点（worker），并把当前机器的CPU资源加入到该master对应的集群。worker默认会把所有的CPU资源加入到集群中，如果你需要指定worker可使用的CPU数量，可以在上述命令上加入选项`--cpu_num [CPU_NUM]` (例如：----cpu_num 10)。
+它会启动一个工作节点（worker），并把当前机器的CPU资源加入到`--address`指定的master集群。worker默认会把当前机器所有的可用的CPU资源加入到集群中，如果你需要指定加入的CPU数量，也可以在上述命令上加入选项`--cpu_num [CPU_NUM]` 。
 
-注意：启动集群后，你可以在任何时候和任何机器上，通过执行`xparl connect`命令把更多CPU资源加入到集群中。
 
 ## 示例
 这里我们给出了一个示例来演示如何通过`@parl.remote_class`来进行并行计算。
@@ -47,9 +47,9 @@ actor.add(1, 2)  # 返回 3
 ```
 
 ## 关闭集群
-在master机器上运行`xparl stop`命令即可关闭集群程序。当master节点退出后，运行在其他机器的worker节点也会自动退出并结束相关程序。
+在master机器上运行`xparl stop`命令即可关闭集群程序。当master节点退出后，与之关联的worker节点也会自动退出并结束相关程序。
 
 ## 扩展阅读
-我们现在已经知道了如何搭建一个集群，以及如何通过修饰符`@parl.remote_class`来使用集群。
+我们现在已经知道了如何通过终端命令`xparl`搭建一个集群，以及如何通过修饰符`@parl.remote_class`来使用集群。
 
 在[下一个教程](./example.md)我们将会演示如何通过这个修饰符来打破Python的全局解释器锁（Global Interpreter Lock, GIL）限制，从而实现真正的多线程计算。