diff --git a/docs/zh/server/releasenotes/releasenotes/key-features.md b/docs/zh/server/releasenotes/releasenotes/key-features.md
index 3ab246564e708349005b9a5c71787ce30c8978c1..7fa5b0ebdbbffd2420f1f2c48054accaac080aef 100644
--- a/docs/zh/server/releasenotes/releasenotes/key-features.md
+++ b/docs/zh/server/releasenotes/releasenotes/key-features.md
@@ -16,7 +16,7 @@
         2. CPU推理加速：通过NUMA亲和调度、矩阵运算并行加速、SVE指令集推理算子适配等方式，提升CPU的吞吐量。
 - **AI for OS**：当前，openEuler和AI深度结合，一方面使用基础大模型，基于大量openEuler操作系统的代码和数据，训练出openEuler Copilot System，初步实现代码辅助生成、智能问题智能分析、系统辅助运维等功能，让openEuler更智能。
     - AI 应用开发框架：大模型应用是实现企业大模型落地的重要途径。RAG（检索增强生成技术）+大模型可以很好的弥补基础模型对行业数据缺失的不足。因此，结合RAG能力的AI应用开发平台是当前企业和开发者的一大助力。基于此，openEuler社区孵化出了基于openEuler操作系统的AI应用开发框架。该框架面向个人及企业开发者，提供智能辅助工具，帮助开发者通过简单高效的交互方式快速完成AI应用开发任务。可有效降低AI应用开发的技术门槛，提升开发效率和数据处理质量，并能够满足多种复杂应用场景下的数据处理、模型训练及内容管理需求。框架主要包含以下核心功能：
-        1. 多路增强RAG提升智能问答准确率：未解决传统Native RAG精确性低、指导性不强等问题，多路增强RAG通过语料治理、prompt重写、多路召回比对等技术，提升RAG检索准确率；
+        1. 多路增强RAG提升智能问答准确率：为解决传统Native RAG精确性低、指导性不强等问题，多路增强RAG通过语料治理、prompt重写、多路召回比对等技术，提升RAG检索准确率；
         2. 文档治理与优化：支持语料增量更新，支持文本去重、敏感信息脱敏、文档标准化与内容格式化（如段落总结、代码注释、案例整理），提高语料质量。
         3. Embedding模型微调：支持多种Embedding模型（如bge系列模型）的快速微调与评估，提升模型在特定领域的表现。
     - 智能问答：openEuler Copilot System智能问答平台目前支持web和智能shell两个入口。