Update quick_start.md

docs/zh_CN/tutorial/quick_start.md

 # **教程：使用PARL解决Cartpole问题**
 
-本教程会使用 [示例](~/parl/examples/QuickStart)中的代码来解释任何通过PARL构建智能体解决经典的Cartpole问题。
+本教程会使用 [示例](https://github.com/PaddlePaddle/PARL/tree/develop/examples/QuickStart)中的代码来解释任何通过PARL构建智能体解决经典的Cartpole问题。
 
 本教程的目标：
 - 熟悉PARL构建智能体过程中需要用到的子模块。
@@ -103,5 +103,67 @@ class CartpoleAgent(parl.Agent):
             self.train_program, feed=feed, fetch_list=[self.cost])[0]
         return cost
 ```
+一般情况下，用户必须实现以下几个函数：
+- 构造函数：
+把algorithm传进来，以及相关的环境参数（用户自定义的）。需要注意的是，这里必须得要初始化父类：super(CartpoleAgent, self).__init__(algorithm)。
+- build_program: 定义paddle里面的program。通常需要定义两个program：一个用于训练，一个用于预测。
+- predict: 根据输入返回预测动作（action）。
+- sample：根据输入返回动作（action），带探索的动作。
+- learn: 输入训练数据，更新算法。
+
+## 开始训练
+首先，我们来定一个智能体。逐步定义model|algorithm|agent，然后得到一个可以和环境进行交互的智能体。
+```python
+model = CartpoleModel(act_dim=2)
+alg = parl.algorithms.PolicyGradient(model, lr=1e-3)
+agent = CartpoleAgent(alg, obs_dim=OBS_DIM, act_dim=2)
+```
+然后我们用这个agent和环境进行交互，训练模型，1000个episode之后，agent就可以很好地解决Cartpole问题，拿到满分（200）。
+```python
+def run_episode(env, agent, train_or_test='train'):
+    obs_list, action_list, reward_list = [], [], []
+    obs = env.reset()
+    while True:
+        obs_list.append(obs)
+        if train_or_test == 'train':
+            action = agent.sample(obs)
+        else:
+            action = agent.predict(obs)
+        action_list.append(action)
+
+        obs, reward, done, info = env.step(action)
+        reward_list.append(reward)
+
+        if done:
+            break
+    return obs_list, action_list, reward_list
+
+env = gym.make("CartPole-v0")
+for i in range(1000):
+      obs_list, action_list, reward_list = run_episode(env, agent)
+      if i % 10 == 0:
+          logger.info("Episode {}, Reward Sum {}.".format(i, sum(reward_list)))
+
+      batch_obs = np.array(obs_list)
+      batch_action = np.array(action_list)
+      batch_reward = calc_discount_norm_reward(reward_list, GAMMA)
+
+      agent.learn(batch_obs, batch_action, batch_reward)
+      if (i + 1) % 100 == 0:
+          _, _, reward_list = run_episode(env, agent, train_or_test='test')
+          total_reward = np.sum(reward_list)
+          logger.info('Test reward: {}'.format(total_reward))
+```
+
+## 总结
+
+
+<img src="../../../examples/QuickStart/performance.gif" width="300"/>
+<img src="../../images/quickstart.png" width="300"/>
+
+在这个教程，我们展示了如何一步步地构建强化学习智能体，用于解决经典的Cartpole问题。完整的训练代码可以在这个[文件夹](https://github.com/PaddlePaddle/PARL/tree/develop/examples/QuickStart)中找到。
 
-- 构造函数
+```shell
+cd examples/QuickStart/
+python train.py
+```
\ No newline at end of file