diff --git a/doc/v2/howto/rnn/index_cn.rst b/doc/v2/howto/rnn/index_cn.rst
index bcc8c2f46eb662ec3650e829a77992224dbbb8e7..6b630ccaa415756f692a7ab0e5ffff602dc7268f 100644
--- a/doc/v2/howto/rnn/index_cn.rst
+++ b/doc/v2/howto/rnn/index_cn.rst
@@ -1,10 +1,34 @@
 RNN模型
 ===========
+循环神经网络（RNN）是对序列数据建模的重要工具。PaddlePaddle提供了灵活的接口以支持复杂循环神经网络的构建。
+这一部分将分以下章节详细介绍如何使用PaddlePaddle搭建循环神经网络。
 
 ..  toctree::
   :maxdepth: 1
 
   rnn_config_cn.rst
+
+本章节由浅入深的展示了使用PaddlePaddle搭建循环神经网络的全貌：首先以简单的循环神经网络（vanilla RNN）为例，
+说明如何封装配置循环神经网络组件；然后更进一步的通过sequence to sequence模型，逐步讲解如何构建完整而复杂的循环神经网络模型。
+
+..  toctree::
+  :maxdepth: 1
+
   recurrent_group_cn.md
+
+Recurrent Group是PaddlePaddle中实现复杂循环神经网络的关键，本章节阐述了PaddlePaddle中Recurrent Group的相关概念和原理，
+对Recurrent Group接口进行了详细说明。另外，对双层RNN（对应的输入为双层序列）及Recurrent Group在其中的使用进行了介绍。
+
+..  toctree::
+  :maxdepth: 1
+
   hierarchical_layer_cn.rst
+
+本章节对双层序列进行了解释说明，列出了PaddlePaddle中支持双层序列作为输入的Layer并对其使用进行了逐一介绍。
+
+..  toctree::
+  :maxdepth: 1
+
   hrnn_rnn_api_compare_cn.rst
+
+本章节以PaddlePaddle的双层RNN单元测试中的网络配置为示例，辅以效果相同的单层RNN网络配置作为对比，讲解了多种情况下双层RNN的使用。