diff --git a/docs/Secondary_development/hook.md b/docs/Secondary_development/hook.md
index c08ab1ef43fbea3b6b18fd8db49d9d6cbaa696f5..3fbcdd05d84ac831367e589d9ead81041761d23f 100644
--- a/docs/Secondary_development/hook.md
+++ b/docs/Secondary_development/hook.md
@@ -13,15 +13,15 @@ Task定义了[组网事件](./how_to_define_task.md)和[运行事件](./how_to_d
 * "finetune_start_event"，"finetune_end_event"，"predict_start_event"，"predict_end_event"，
 "eval_start_event"，"eval_end_event"等事件是用于打印相应阶段的日志信息。"save_ckpt_interval_event"事件用于保存当前训练的模型参数。"log_interval_event"事件用于计算模型评价指标以及可视化这些指标。
 
-如果您需要对图中提到的事件的具体实现进行修改，可以通过Task提供的事件回调hook机制进行改写。
-
-如你想要改变任务评价指标，如下示例中将PaddleHub默认的accuracy评价指标改为F1评价指标。同时还想用自定义的可视化工具可视化模型训练过程，如下示例将可视化工具改写为tb-paddle。则你需要改写评估方法log_interval_event。这时候你可以用Hook实现。具体使用方法如下：
+如果您需要对图中提到的事件的具体实现进行修改，可以通过Task提供的事件回调hook机制进行改写。如下示例中将PaddleHub log_interval_event默认的accuracy评价指标改为F1评价指标:
 
 ```python
 import time
 from collections import OrderedDict
 
 import numpy as np
+import paddlehub as hub
+
 
 def calculate_f1_np(preds, labels):
     # 计算F1分数
@@ -70,33 +70,32 @@ def calculate_metrics(self, run_states):
 
     return scores, avg_loss, run_speed
 
-# 利用自定义可视化工具tb-paddle记录训练过程中的损失值，评估指标等
-from tb_paddle import SummaryWriter
-
-tb_writer = SummaryWriter("PATH/TO/LOG")
-
-def record_value(evaluation_scores, loss, s)
-    tb_writer.add_scalar(
-        tag="Loss_{}".format(self.phase),
-        scalar_value=loss,
-        global_step=self._envs['train'].current_step)
-    log_scores = ""
-    for metric in evaluation_scores:
-        self.tb_writer.add_scalar(
-            tag="{}_{}".format(metric, self.phase),
-            scalar_value=scores[metric],
-            global_step=self._envs['train'].current_step)
-        log_scores += "%s=%.5f " % (metric, scores[metric])
-    print("step %d / %d: loss=%.5f %s[step/sec: %.2f]" %
-            (self.current_step, self.max_train_steps, avg_loss,
-                log_scores, run_speed))
 
 # 改写_log_interval_event实现
 def new_log_interval_event(self, run_states):
     # 改写的事件方法，参数列表务必与PaddleHub内置的相应方法保持一致
-    print("This is the new log_interval_event!")
     scores, avg_loss, run_speed = calculate_metrics(self, run_states)
-    record_value(scores, avg_loss, run_speed)
+    formatted_scores = ", ".join(["%s: %.5f"%(key, value) for key, value in scores.items()])
+    print("[new_log_interval_event] step %d / %d: loss=%.5f %s[step/sec: %.2f]" %
+            (self.current_step, self.max_train_steps, avg_loss,
+                formatted_scores, run_speed))
+
+
+# 最简单的PaddleHub运行样例
+module = hub.Module(name="ernie_tiny")
+inputs, outputs, program = module.context(
+    trainable=True, max_seq_len=128)
+tokenizer = hub.ErnieTinyTokenizer(
+            vocab_file=module.get_vocab_path(),
+            spm_path=module.get_spm_path(),
+            word_dict_path=module.get_word_dict_path())
+dataset = hub.dataset.ChnSentiCorp(
+        tokenizer=tokenizer, max_seq_len=128)
+task = hub.TextClassifierTask(
+    dataset=dataset,
+    feature=outputs["pooled_output"],
+    num_classes=dataset.num_labels,
+    )
 
 # 利用Hook改写PaddleHub内置_log_interval_event实现，需要2步(假设task已经创建好)
 # 1.删除PaddleHub内置_log_interval_event实现
@@ -111,12 +110,13 @@ task.delete_hook(hook_type="log_interval_event", name="default")
 task.add_hook(hook_type="log_interval_event", name="new_log_interval_event", func=new_log_interval_event)
 
 # 输出hook信息
-task.hook_info()
+print(task.hooks_info())
+
+task.finetune_and_eval()
 ```
 
 **NOTE:**
 * 关于上述提到的run_states参见[RunEnv说明](../reference/task/runenv.md)
-* tb-paddle详细信息参见[官方文档](https://github.com/ShenYuhan/tb-paddle)
 * 改写的事件方法，参数列表务必与PaddleHub内置的相应方法保持一致。
 * 只支持改写/删除以下事件hook类型：
  "build_env_start_event"，"build_env_end_event"，"finetune_start_event"，"finetune_end_event"，