diff --git a/rfcs/APIs/20230221_api_design_for_polor.md b/rfcs/APIs/20230221_api_design_for_polor.md
new file mode 100644
index 000000000..c3a5eaf0d
--- /dev/null
+++ b/rfcs/APIs/20230221_api_design_for_polor.md
@@ -0,0 +1,186 @@
+# paddle.polar 设计文档
+
+| API 名称     |                paddle.polar           |
+| ------------ | ---------------------------------------- |
+| 提交作者     | PommesPeter                               |
+| 提交时间     | 2023-02-21                                |
+| 版本号       | V1.0                                      |
+| 依赖飞桨版本  | develop                                   |
+| 文件名       | 20220709_api_design_for_polar.md      |
+
+# 一、概述
+
+## 1、相关背景
+
+为了提升飞桨 API 丰富度，支持科学计算相关 API，Paddle 需要扩充 API `paddle.polar`。
+
+## 2、功能目标
+
+增加 API `paddle.polar`，通过输入模和相位角，`elementwise` 构造复数 tensor。方便计算极坐标系下的运算。
+
+## 3、意义
+
+为 Paddle 增加极坐标和复数的计算函数，丰富 `paddle` 中科学计算相关的 API。
+
+# 二、飞桨现状
+
+- 目前 Paddle 缺少 `polar` API，但是存在 `paddle.complex`，参考其他框架可以发现，Paddle 没有专门针对极坐标系下进行计算的 api，无法构建极坐标，直接使用 `paddle.complex` 代码不够清晰易读。
+- 该 API 的实现及测试主要参考目前 Paddle 中含有的 `paddle.complex`。
+
+# 三、业内方案调研
+
+## PyTorch
+
+PyTorch 中有 `torch.polar` 的API，详细参数为 `torch.polar(abs, angle, *, out=None) → Tensor`。
+
+在 PyTorch 中的介绍为：
+
+> Constructs a complex tensor whose elements are Cartesian coordinates corresponding to the polar coordinates with absolute value `abs` and angle `angle`.
+
+在实现方法上，PyTorch 是通过 C++ API 组合实现的，[代码位置](https://github.com/pytorch/pytorch/blob/master/aten/src/ATen/native/TensorFactories.cpp#L190-L251)
+
+实现代码：
+
+```cpp
+// ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ complex / polar ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+
+void complex_check_floating(const Tensor& a, const Tensor& b) {
+  TORCH_CHECK((a.scalar_type() == kFloat || a.scalar_type() == kDouble || a.scalar_type() == kHalf) &&
+              (b.scalar_type() == kFloat || b.scalar_type() == kDouble || b.scalar_type() == kHalf),
+              "Expected both inputs to be Half, Float or Double tensors but got ",
+              a.scalar_type(), " and ", b.scalar_type());
+}
+
+void complex_check_dtype(
+    const Tensor& result,
+    const Tensor& a,
+    const Tensor& b) {
+  complex_check_floating(a, b);
+  TORCH_CHECK(a.scalar_type() == b.scalar_type(),
+              "Expected object of scalar type ", a.scalar_type(),
+              " but got scalar type ", b.scalar_type(), " for second argument");
+  TORCH_CHECK(result.scalar_type() == toComplexType(a.scalar_type()),
+              "Expected object of scalar type ", toComplexType(a.scalar_type()),
+              " but got scalar type ", result.scalar_type(),
+              " for argument 'out'");
+}
+
+Tensor& complex_out(const Tensor& real, const Tensor& imag, Tensor& result) {
+  complex_check_dtype(result, real, imag);
+  auto iter = TensorIteratorConfig()
+      .add_output(result)
+      .add_input(real)
+      .add_input(imag)
+      .check_all_same_dtype(false)
+      .build();
+  complex_stub(iter.device_type(), iter);
+  return result;
+}
+
+Tensor complex(const Tensor& real, const Tensor& imag) {
+  complex_check_floating(real, imag);
+  c10::TensorOptions options = real.options();
+  options = options.dtype(toComplexType(real.scalar_type()));
+  Tensor result = at::empty(0, options);
+  return at::complex_out(result, real, imag);
+}
+
+Tensor& polar_out(const Tensor& abs, const Tensor& angle, Tensor& result) {
+  complex_check_dtype(result, abs, angle);
+  auto iter = TensorIteratorConfig()
+      .add_output(result)
+      .add_input(abs)
+      .add_input(angle)
+      .check_all_same_dtype(false)
+      .build();
+  polar_stub(iter.device_type(), iter);
+  return result;
+}
+
+Tensor polar(const Tensor& abs, const Tensor& angle) {
+  complex_check_floating(abs, angle);
+  c10::TensorOptions options = abs.options();
+  options = options.dtype(toComplexType(abs.scalar_type()));
+  Tensor result = at::empty(0, options);
+  return at::polar_out(result, abs, angle);
+}
+}
+```
+
+参数表：
+
+- abs：复数张量的绝对值。必须为 float 或 double。
+- angle：复数张量的角度。数据类型必须与abs相同。
+- out：如果输入为 torch.float32，则必须为 torch.complex64。如果输入为 torch.float64，则必须为 torch.complex128。
+
+# 四、对比分析
+
+## 共同点
+
+- 都能通过输入模和相位角，`elementwise` 构造复数 tensor。方便计算极坐标系下的运算。
+
+## 不同点
+
+- PyTorch 是在 C++ API 基础上实现，使用 Python 调用 C++ 对应的接口。
+
+# 五、设计思路与实现方案
+
+## 命名与参数设计
+
+添加 API
+
+```python
+paddle.polar(
+    abs: Tensor,
+    angle: Tensor,
+    name: str=None
+)
+```
+
+## 底层OP设计
+
+使用已有的 API 组合实现，不再单独设计 OP。
+
+需要注意：如果输入是 torch.float32，则必须是 torch.complex64。如果输入是 torch.float64，则必须是 torch.complex128。
+
+## API实现方案
+
+该 API 实现于 `python/paddle/tensor/creation.py`
+
+通过调研发现，计算该极坐标可以使用复数计算，Paddle 本身已实现 `paddle.complex`，可利用已有 API 实现。代入公式：
+
+$$
+\text{out} = \text{abs}\cdot\cos(\text{angle}) + \text{abs}\cdot\sin(\text{angle})\cdot j
+$$
+
+即可得到对应模和相位角的极坐标以及所对应的笛卡尔坐标。
+
+随后，Paddle 中已有 `complex` API 的具体实现逻辑，位于 `python/paddle/tensor/creation.py` 下的 `complex` 函数中，因此只需要调用其函数构造复数即可。
+
+# 六、测试和验收的考量
+
+测试需要考虑的 case 如下：
+
+- 输出数值结果的一致性和数据类型是否正确，使用 pytorch 作为参考标准
+- 参数 `abs` 的数据类型准确性判断
+- 参数 `angle` 的数据类型准确性判断、
+
+# 七、可行性分析和排期规划
+
+方案主要依赖现有 Paddle API 组合而成，且依赖的 `paddle.complex` 已经在 Paddle repo 的 [python/paddle/tensor/creation.py](https://github.com/PaddlePaddle/Paddle/blob/develop/python/paddle/tensor/creation.py#L2160-L2209)。工期上可以满足在当前版本周期内开发完成。
+
+# 八、影响面
+
+新增 API，对其他模块无影响
+
+# 名词解释
+
+无
+
+# 附件及参考资料
+
+[torch.polar](https://pytorch.org/docs/stable/generated/torch.polar.html)
+
+[scipy.linalg.polar](https://docs.scipy.org/doc/scipy/reference/generated/scipy.linalg.polar.html)
+
+[paddle.complex](https://github.com/PaddlePaddle/Paddle/blob/develop/python/paddle/tensor/creation.py#L2160-L2209)
\ No newline at end of file