diff --git a/docs/components/README.md b/docs/components/README.md
index 06a450eadf1bb10a7641c51029a14bb18004b75e..f8728add375dc346af34dd89052b6f436f17ada2 100644
--- a/docs/components/README.md
+++ b/docs/components/README.md
@@ -6,7 +6,7 @@
VisualDL 是一个面向深度学习任务设计的可视化工具。VisualDL 利用了丰富的图表来展示数据，用户可以更直观、清晰地查看数据的特征与变化趋势，有助于分析数据、及时发现错误，进而改进神经网络模型的设计。
-目前，VisualDL 支持 scalar, image, graph，histogram，high dimensional 五个组件，项目正处于高速迭代中，敬请期待新组件的加入。
+目前，VisualDL 支持 scalar, image, graph, histogram, pr curve, high dimensional 六个组件，项目正处于高速迭代中，敬请期待新组件的加入。
| 组件名称 | 展示图表 | 作用 |
| :----------------------------------------------------------: | :--------: | :----------------------------------------------------------- |
@@ -14,6 +14,7 @@ VisualDL 是一个面向深度学习任务设计的可视化工具。VisualDL
| [Image](#Image--图片可视化组件) | 图片可视化 | 显示图片，可显示输入图片和处理后的结果，便于查看中间过程的变化 |
| [Graph](#Graph--网络结构组件) | 网络结构 | 展示网络结构、节点属性及数据流向，辅助学习、优化网络结构 |
| [Histogram](#Histogram--直方图组件) | 直方图 | 展示训练过程中权重、梯度等张量的分布 |
+| [PR Curve](#PR-Curve--PR曲线组件) | 折线图 | 权衡精度与召回率之间的平衡关系 |
| [High Dimensional](#High-Dimensional--数据降维组件) | 数据降维 | 将高维数据映射到 2D/3D 空间来可视化嵌入，便于观察不同数据的相关性 |
@@ -441,13 +442,109 @@ visualdl --logdir ./log --port 8080
- 可搜索卡片标签，展示目标直方图
- 
+
- 可搜索打点数据标签，展示特定数据流
- 
+
+
+
+## PR Curve--PR曲线组件
+
+### 介绍
+
+PR Curve以折线图形式呈现精度与召回率的权衡分析，清晰直观了解模型训练效果，便于分析模型是否达到理想标准。
+
+### 记录接口
+
+PR Curve组件的记录接口如下：
+
+```python
+add_pr_curve(tag, labels, predictions, step=None, num_thresholds=10)
+```
+
+接口参数说明如下：
+
+| 参数 | 格式 | 含义 |
+| -------------- | --------------------- | ------------------------------------------- |
+| tag | string | 记录指标的标志，如`train/loss`，不能含有`%` |
+| values | numpy.ndarray or list | 以ndarray或list格式表示的实际类别 |
+| predictions | numpy.ndarray or list | 以ndarray或list格式表示的预测类别 |
+| step | int | 记录的步数 |
+| num_thresholds | int | 阈值设置的个数，默认为10，最大值为127 |
+
+### Demo
+
+下面展示了使用 PR Curve 组件记录数据的示例，代码见[PR Curve组件](#https://github.com/PaddlePaddle/VisualDL/blob/develop/demo/components/pr_curve_test.py)
+
+```python
+from visualdl import LogWriter
+import numpy as np
+
+with LogWriter("./log/pr_curve_test/train") as writer:
+ for step in range(3):
+ labels = np.random.randint(2, size=100)
+ predictions = np.random.rand(100)
+ writer.add_pr_curve(tag='pr_curve',
+ labels=labels,
+ predictions=predictions,
+ step=step,
+ num_thresholds=5)
+```
+
+运行上述程序后，在命令行执行
+
+```shell
+visualdl --logdir ./log --port 8080
+```
+
+接着在浏览器打开`http://127.0.0.1:8080`，即可查看PR Curve
+
+
+ 
+
+
+### 功能操作说明
+
+- 支持数据卡片「最大化」、「还原」、「下载」PR曲线
+
+
+ 
+
+
+- 数据点Hover展示详细信息：阈值对应的TP、TN、FP、FN
+
+
+ 
+
+
+- 可搜索卡片标签，展示目标图表
+
+
+ 
+
+
+- 可搜索打点数据标签，展示特定数据
+
+
+ 
+
+
+- 支持查看不同训练步数下的PR曲线
+
+
+ 
+
+
+- X轴-时间显示类型有三种衡量尺度
+ - Step：迭代次数
+ - Walltime：训练绝对时间
+ - Relative：训练时长
+
+
+ 
## High Dimensional--数据降维组件