diff --git a/docs/mindformers/docs/source_zh_cn/example/sft_on_glm4/sft_on_glm4.md b/docs/mindformers/docs/source_zh_cn/example/sft_on_glm4/sft_on_glm4.md
new file mode 100644
index 0000000000000000000000000000000000000000..9c8b826080e37289d632285cf15065391502d46b
--- /dev/null
+++ b/docs/mindformers/docs/source_zh_cn/example/sft_on_glm4/sft_on_glm4.md
@@ -0,0 +1,155 @@
+# 使用MindFormers框架进行GLM-4-9B-Chat微调流程
+
+## 1. 环境搭建
+
+### 安装MindSpore 2.6.0
+
+```bash
+pip install \
+https://ms-release.obs.cn-north-4.myhuaweicloud.com/2.6.0/MindSpore\
+/unified/aarch64/mindspore-2.6.0-cp311-cp311-linux_aarch64.whl \
+--trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com \
+-i https://repo.huaweicloud.com/repository/pypi/simple
+```
+
+### 安装MindFormers 1.5.0及相关环境
+
+```bash
+git clone -b v1.5.0 https://gitee.com/mindspore/mindformers.git
+cd mindformers
+bash build.sh
+```
+
+## 2. 数据转换
+
+### 数据集准备
+
+使用内部工业数据微调数据集，您可以将其替换为公开数据集如alpaca。注意数据集里的每一行数据应当处理为以下格式：
+
+```json
+{
+  "type": "chatml",
+  "conversations": [
+    {
+      "from": "human",
+      "value": "Give three tips for staying healthy."
+    },
+    {
+      "from": "gpt",
+      "value": "1. Eat a balanced diet and make sure to include plenty of 
+      fruits and vegetables.\n2. Exercise regularly to keep your body active 
+      and strong.\n3. Get enough sleep and maintain a consistent sleep schedule."
+    }
+  ]
+}
+```
+
+### 生成MindRecord格式数据集
+
+```bash
+python mindformers/tools/dataset_preprocess/glm4/glm4_preprocess.py \
+  --input_glob /path/to/dataset \
+  --vocab_file /path/tokenizer.model \
+  --seq_length 8192 \
+  --output_file /path/alpaca-messages.mindrecord
+```
+
+## 3. 多卡训练
+
+### 3.1 模型下载
+
+在HuggingFace或者其他平台上下载safetensor格式的glm-4-9b模型权重。
+
+### 3.2 权重转换
+
+```python
+python convert_weight.py --model glm4 --input_path HF_CKPT_PATH \
+--output_path MS_NOT_CONCAT_CKPT_PATH --dtype bf16 --config YAML_PATH
+```
+
+这一步将模型从HF权重转换为MindSpore权重，输出为一整个模型权重的ckpt文件。
+
+> 注：如果提示trust_remote_code相关错误，按照提示设置trust_remote_code=True即可
+
+### 3.3 并行策略配置
+
+在`.../mindformers/configs/glm4/finetune_glm4_9b.yaml`的基础上作修改，根据自身需求调整参数即可。
+
+注意：model_config的seq_length要和数据集一致，否则会有其他报错。
+
+### 3.4 微调
+
+#### 设置环境变量
+
+```bash
+export MS_ASCEND_CHECK_OVERFLOW_MODE=INFNAN_MODE
+```
+
+#### 首次训练
+
+```bash
+scripts/msrun_launcher.sh "run_mindformer.py \
+  --config configs/glm4/finetune_glm4_9b.yaml \
+  --load_checkpoint /path/to/ckpt \
+  --auto_trans_ckpt True \
+  --train_dataset /path/todataset \
+  --run_mode finetune" 8
+```
+
+auto_trans_ckpt配置为True会根据finetune_glm4_9b.yaml中的parallel config自动对权重进行切分/合并，并生成权重文件夹（transformed_checkpoint）和分布式策略文件夹（strategy）。
+
+> 注意：开启了权重自动转换（auto_trans_ckpt=True），会将原有的strategy和transformed_checkpoint文件夹清空，然后保存最新任务的转换结果，如有需要请将其保存到自定义文件夹。
+
+#### 断点恢复训练
+
+```bash
+--load_checkpoint: 断点权重文件夹
+--resume_training: True
+--src_strategy_path_or_dir: 分布式策略文件路径
+--auto_trans_ckpt False
+```
+
+#### 总体流程
+
+1. 开始训练，设置auto_trans_ckpt为True
+2. 以load_checkpoint为输出权重，根据parallel config生成初始的transformed_checkpoint和strategy
+3. 加载transformed_checkpoint和strategy
+4. 开始训练
+5. 训练过程中checkpoint保存
+6. 恢复断点训练时，设置auto_trans_ckpt为False
+7. 加载checkpoint和前期生成的strategy
+8. 继续训练
+
+### 3.5 权重切割与合并(补充)
+
+#### 自动转换
+
+在原有分布式训练/推理任务的基础上，在yaml配置文件中设置auto_trans_ckpt:True，
+配置--load_checkpoint: 断点权重文件夹和--src_strategy_path_or_dir: 分布式策略文件路径，
+在训练开始前会根据parallel config自动转换。
+
+#### 离线转换
+
+##### 生成分布式策略文件
+
+在原有分布式训练/推理任务的基础上，在yaml配置文件中设置only_save_strategy:True来生成策略文件。设置之后任务会在生成分布式策略文件后立即停止，而不会实际执行训练或推理。
+
+##### 权重转换脚本
+
+```python
+python mindformers/tools/transform_ckpt.py \
+--src_ckpt_strategy SRC_CKPT_STRATEGY --dst_ckpt_strategy DST_CKPT_STRATEGY \
+--src_ckpt_dir SRC_CKPT_DIR --dst_ckpt_dir DST_CKPT_DIR
+```
+
+**参数说明**：
+- src_ckpt_strategy：待转权重的分布式策略文件路径
+  - 若为None，表示待转权重为完整权重
+  - 若为切分策略文件，表示原始的权重对应的策略文件
+  - 若为文件夹，表示需要合并文件夹内策略文件(仅在流水并行生成的策略文件时需要)，合并后的策略文件保存在SRC_CKPT_STRATEGY/merged_ckpt_strategy.ckpt路径下
+- dst_ckpt_strategy：目标权重的分布式策略文件路径
+  - 若为None，表示将待转权重合并为完整权重
+  - 若为切分策略文件，表示目标卡数对应的策略文件
+  - 若为文件夹，表示需要合并文件夹内策略文件(仅在流水并行生成的策略文件时需要)，合并后的策略文件保存在DST_CKPT_STRATEGY/merged_ckpt_strategy.ckpt路径下
+- src_ckpt_dir: 待转权重路径，须按照SRC_CKPT_DIR/rank_{i}/checkpoint_{i}.ckpt存放，比如单一权重存放格式为SRC_CKPT_DIR/rank_0/checkpoint_0.ckpt
+- dst_ckpt_dir：目标权重保存路径，为自定义空文件夹路径，转换后模型以DST_CKPT_DIR/rank_{i}/xxx.ckpt存放