diff --git a/rfcs/APIs/20220329_api_design_for_sparse_add.md b/rfcs/APIs/20220329_api_design_for_sparse_add.md
new file mode 100644
index 000000000..e8d7e8aa8
--- /dev/null
+++ b/rfcs/APIs/20220329_api_design_for_sparse_add.md
@@ -0,0 +1,196 @@
+# paddle.sparse.add 设计文档
+
+|API名称 | paddle.sparse.add                                         | 
+|---|-----------------------------------------------------------|
+|提交作者<input type="checkbox" class="rowselector hidden"> | PeachML                                                   | 
+|提交时间<input type="checkbox" class="rowselector hidden"> | 2022-03-29                                                | 
+|版本号 | V1.0                                                      | 
+|依赖飞桨版本<input type="checkbox" class="rowselector hidden"> | develop                                                   | 
+|文件名 | 20220329_api_design_for_sparse_add.md<br> | 
+
+# 一、概述
+
+## 1、相关背景
+
+为了提升飞桨API丰富度，add 是一个基础加法运算操作，目前 Paddle 中还没有 sparse 的加法算子。 本任务的目标是在 Paddle 中添加 sparse.add 算子， 实现输入是两个 SparseCooTensor
+或者两个 SparseCsrTensor 逐元素相加的功能。 Paddle需要扩充API,新增 sparse.add API， 调用路径为：`paddle.sparse.add`
+实现稀疏Tensor相加的功能。
+
+## 3、意义
+
+支持稀疏tensor相加，提高空间利用效率，提升稀疏tensor的计算效率。
+
+# 二、飞桨现状
+
+目前paddle缺少相关功能实现。
+
+# 三、业内方案调研
+
+## Pytorch
+
+Pytorch中有API`torch.add(input, other, *, alpha=1, out=None)` ， 在pytorch中，介绍为：
+
+```
+Adds other, scaled by alpha, to input. 
+```
+
+可以支持一般tensor和sparse tensor的相加
+
+## Scipy
+
+Scipy中有csr类型的稀疏矩阵，可以支持相加操作，通过`binary_op`实现。对coo类型的稀疏矩阵，先转换成csr再相加。
+
+### 实现方法
+
+代码如下
+
+```c
+/*
+ * Compute C = A (binary_op) B for CSR matrices that are not
+ * necessarily canonical CSR format.  Specifically, this method
+ * works even when the input matrices have duplicate and/or
+ * unsorted column indices within a given row.
+ *
+ * Refer to csr_binop_csr() for additional information
+ *
+ * Note:
+ *   Output arrays Cp, Cj, and Cx must be preallocated
+ *   If nnz(C) is not known a priori, a conservative bound is:
+ *          nnz(C) <= nnz(A) + nnz(B)
+ *
+ * Note:
+ *   Input:  A and B column indices are not assumed to be in sorted order
+ *   Output: C column indices are not generally in sorted order
+ *           C will not contain any duplicate entries or explicit zeros.
+ *
+ */
+template <class I, class T, class T2, class binary_op>
+void csr_binop_csr_general(const I n_row, const I n_col,
+                           const I Ap[], const I Aj[], const T Ax[],
+                           const I Bp[], const I Bj[], const T Bx[],
+                                 I Cp[],       I Cj[],       T2 Cx[],
+                           const binary_op& op)
+{
+    //Method that works for duplicate and/or unsorted indices
+
+    std::vector<I>  next(n_col,-1);
+    std::vector<T> A_row(n_col, 0);
+    std::vector<T> B_row(n_col, 0);
+
+    I nnz = 0;
+    Cp[0] = 0;
+
+    for(I i = 0; i < n_row; i++){
+        I head   = -2;
+        I length =  0;
+
+        //add a row of A to A_row
+        I i_start = Ap[i];
+        I i_end   = Ap[i+1];
+        for(I jj = i_start; jj < i_end; jj++){
+            I j = Aj[jj];
+
+            A_row[j] += Ax[jj];
+
+            if(next[j] == -1){
+                next[j] = head;
+                head = j;
+                length++;
+            }
+        }
+
+        //add a row of B to B_row
+        i_start = Bp[i];
+        i_end   = Bp[i+1];
+        for(I jj = i_start; jj < i_end; jj++){
+            I j = Bj[jj];
+
+            B_row[j] += Bx[jj];
+
+            if(next[j] == -1){
+                next[j] = head;
+                head = j;
+                length++;
+            }
+        }
+
+
+        // scan through columns where A or B has
+        // contributed a non-zero entry
+        for(I jj = 0; jj < length; jj++){
+            T result = op(A_row[head], B_row[head]);
+
+            if(result != 0){
+                Cj[nnz] = head;
+                Cx[nnz] = result;
+                nnz++;
+            }
+
+            I temp = head;
+            head = next[head];
+
+            next[temp]  = -1;
+            A_row[temp] =  0;
+            B_row[temp] =  0;
+        }
+
+        Cp[i + 1] = nnz;
+    }
+}
+```
+
+# 四、对比分析
+
+torch设计结构复杂，为了适配paddle phi库的设计模式，故采用scipy的实现方式
+
+# 五、方案设计
+
+## 命名与参数设计
+
+在paddle/phi/kernels/sparse/目录下， API设计为
+
+```    
+SparseCooTensor AddKernel(const Context& dev_ctx,
+const SparseCooTensor& x,
+const SparseCooTensor& y,
+SparseCooTensor* out);
+```
+
+和
+
+```
+SparseCsrTensor AddKernel(const Context& dev_ctx,
+const SparseCsrTensor& x,
+const SparseCsrTensor& y,
+SparseCsrTensor* out);
+```
+
+## 底层OP设计
+
+使用已有op组合实现，主要涉及`SparseCooToCsrKernel`和`SparseCsrToCooKernel`。
+
+## API实现方案
+
+主要参考scipy实现，将coo转换成csr再进行加法，然后转换回coo
+
+# 六、测试和验收的考量
+
+测试考虑的case如下：
+
+- 数值正确性
+
+# 七、可行性分析及规划排期
+
+方案主要依赖paddle现有op组合而成
+
+# 八、影响面
+
+为独立新增op，对其他模块没有影响
+
+# 名词解释
+
+无
+
+# 附件及参考资料
+
+无