diff --git a/docs/FAQ.md b/docs/FAQ.md
index 726a19567..61cdaf9c3 100644
--- a/docs/FAQ.md
+++ b/docs/FAQ.md
@@ -1,8 +1,20 @@
 # FastDeploy FAQ 文档
 
 ## 1. 在Windows 10 配置 CUDA v11.2 环境变量  
-FastDeploy Windows 10 x64 的 GPU 版本需要依赖 CUDA 11.2，在安装完 CUDA v11.2 之后，需要设置`CUDA_DIRECTORY`、`CUDA_HOME`、`CUDA_PATH`和`CUDA_ROOT`中**任意一个**环境变量，这样FastDeploy才能链接到相关的库。有两种方式设置环境变量，通过终端命令行设置以及在系统环境变量中设置。  
-- 方式一: 终端命令行设置。该方式只在当前终端有效。Windows菜单打开`x64 Native Tools Command Prompt for VS 2019`命令工具，假设你需要在该终端运行类似`python infer_ppyoloe.py`的命令。
+FastDeploy Windows 10 x64 的 GPU 版本需要依赖 CUDA 11.2，在安装完 CUDA v11.2 之后，需要设置`CUDA_DIRECTORY`、`CUDA_HOME`、`CUDA_PATH`和`CUDA_ROOT`中**任意一个**环境变量，这样FastDeploy才能链接到相关的库。有3种方式设置环境变量，通过在代码中设置、终端命令行设置以及在系统环境变量中设置。  
+- 方式一：在代码中设置 **(推荐)** 。该方式最简单，只需要在导入FastDeploy之前，通过os库设置环境变量即可。FastDeploy在初始化时，会首先搜索`CUDA_DIRECTORY`、`CUDA_HOME`、`CUDA_PATH`和`CUDA_ROOT`环境变量，如果从这些环境变量的任意一个中找到有效的CUDA库，则可以成功初始化。  
+  ```python
+  import os
+  os.environ["CUDA_PATH"]=r"C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.2"
+  # 在设置环境变量后导入 fastdeploy
+  import fastdeploy
+  ```
+  如果成功找到CUDA，会显示以下信息:
+  ```shell
+  [FastDeploy][CUDA]: Found valid cuda directroy and added it: -> C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.2\bin
+  ```  
+
+- 方式二: 终端命令行设置。该方式只在当前终端有效。Windows菜单打开`x64 Native Tools Command Prompt for VS 2019`命令工具，假设你需要在该终端运行类似`python infer_ppyoloe.py`的命令。
   ```bat
   % 选择以下任意一个环境变量设置即可 %
   set CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
@@ -10,7 +22,8 @@ FastDeploy Windows 10 x64 的 GPU 版本需要依赖 CUDA 11.2，在安装完 CU
   set CUDA_ROOT=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
   set CUDA_DIRECTORY=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
   ```
-- 方式二: 系统环境变量设置。该方式会修改系统环境变量。设置步骤为：  
+
+- 方式三: 系统环境变量设置。该方式会修改系统环境变量。设置步骤为：  
   - (1) 打开 "设置->系统->关于"
   - (2) 找到 "高级系统设置"，点击打开
   - (3) 点击右下角的 "环境变量设置"