diff --git a/docs/zh-hant/docs/features.md b/docs/zh-hant/docs/features.md
new file mode 100644
index 000000000..3a1392b51
--- /dev/null
+++ b/docs/zh-hant/docs/features.md
@@ -0,0 +1,207 @@
+# 特性
+
+## FastAPI 特性
+
+**FastAPI** 提供了以下内容：
+
+### 建立在開放標準的基礎上
+
+* 使用 OpenAPI 來建立 API，包含路徑操作、參數、請求內文、安全性等聲明。
+* 使用 JSON Schema（因為 OpenAPI 本身就是基於 JSON Schema）自動生成資料模型文件。
+* 經過縝密的研究後圍繞這些標準進行設計，而不是事後在已有系統上附加的一層功能。
+* 這也讓我們在多種語言中可以使用自動**用戶端程式碼生成**。
+
+### 能夠自動生成文件
+
+FastAPI 能生成互動式 API 文件和探索性的 Web 使用者介面。由於該框架基於 OpenAPI，因此有多種選擇，預設提供了兩種。
+
+* Swagger UI 提供互動式探索，讓你可以直接從瀏覽器呼叫並測試你的 API 。
+
+
+
+* ReDoc 提供結構性的文件，讓你可以在瀏覽器中查看。
+
+
+
+
+### 現代 Python
+
+這一切都基於標準的 **Python 型別**宣告（感謝 Pydantic）。無需學習新的語法，只需使用標準的現代 Python。
+
+如果你需要 2 分鐘來學習如何使用 Python 型別（即使你不使用 FastAPI），可以看看這個簡短的教學：[Python 型別](python-types.md){.internal-link target=_blank}。
+
+如果你寫帶有 Python 型別的程式碼：
+
+```python
+from datetime import date
+
+from pydantic import BaseModel
+
+# 宣告一個變數為 string
+# 並在函式中獲得 editor support
+def main(user_id: str):
+ return user_id
+
+
+# 宣告一個 Pydantic model
+class User(BaseModel):
+ id: int
+ name: str
+ joined: date
+```
+
+
+可以像這樣來使用：
+
+```python
+my_user: User = User(id=3, name="John Doe", joined="2018-07-19")
+
+second_user_data = {
+ "id": 4,
+ "name": "Mary",
+ "joined": "2018-11-30",
+}
+
+my_second_user: User = User(**second_user_data)
+```
+
+
+/// info
+
+`**second_user_data` 意思是:
+
+將 `second_user_data` 字典直接作為 key-value 引數傳遞，等同於：`User(id=4, name="Mary", joined="2018-11-30")`
+
+///
+
+### 多種編輯器支援
+
+整個框架的設計是為了讓使用變得簡單且直觀，在開始開發之前，所有決策都在多個編輯器上進行了測試，以確保提供最佳的開發體驗。
+
+在最近的 Python 開發者調查中，我們能看到 被使用最多的功能是 autocompletion，此功能可以預測將要輸入文字，並自動補齊。
+
+整個 **FastAPI** 框架就是基於這一點，任何地方都可以進行自動補齊。
+
+你幾乎不需要經常來回看文件。
+
+在這裡，你的編輯器可能會這樣幫助你：
+
+* Visual Studio Code 中:
+
+
+
+* PyCharm 中:
+
+
+
+你將能進行程式碼補齊，這是在之前你可能曾認為不可能的事。例如，請求 JSON body（可能是巢狀的）中的鍵 `price`。
+
+這樣比較不會輸錯鍵名，不用來回翻看文件，也不用來回滾動尋找你最後使用的 `username` 或者 `user_name`。
+
+
+
+### 簡潔
+
+FastAPI 為你提供了**預設值**，讓你不必在初期進行繁瑣的配置，一切都可以自動運作。如果你有更具體的需求，則可以進行調整和自定義，
+
+但在大多數情況下，你只需要直接使用預設值，就能順利完成 API 開發。
+
+### 驗證
+
+所有的驗證都由完善且強大的 **Pydantic** 處理。
+
+* 驗證大部分（甚至所有？）的 Python **資料型別**，包括：
+ * JSON 物件 (`dict`)。
+ * JSON 陣列 (`list`) 定義項目型別。
+ * 字串 (`str`) 欄位，定義最小或最大長度。
+ * 數字 (`int`, `float`) 與其最大值和最小值等。
+
+* 驗證外來的型別，比如:
+ * URL
+ * Email
+ * UUID
+
+
+### 安全性及身份驗證
+
+FastAPI 已經整合了安全性和身份驗證的功能，但不會強制與特定的資料庫或資料模型進行綁定。
+
+OpenAPI 中定義的安全模式，包括：
+
+* HTTP 基本認證。
+* **OAuth2**（也使用 **JWT tokens**）。在 [OAuth2 with JWT](tutorial/security/oauth2-jwt.md){.internal-link target=_blank} 查看教學。
+* API 密鑰，在：
+ * 標頭（Header）
+ * 查詢參數
+ * Cookies，等等。
+
+加上来自 Starlette（包括 **session cookie**）的所有安全特性。
+
+所有的這些都是可重複使用的工具和套件，可以輕鬆與你的系統、資料儲存（Data Stores）、關聯式資料庫（RDBMS）以及非關聯式資料庫（NoSQL）等等整合。
+
+
+### 依賴注入（Dependency Injection）
+
+FastAPI 有一個使用簡單，但是非常強大的依賴注入系統。
+
+* 依賴項甚至可以有自己的依賴，從而形成一個層級或**依賴圖**的結構。
+* 所有**自動化處理**都由框架完成。
+* 依賴項不僅能從請求中提取資料，還能**對 API 的路徑操作進行強化**，並自動生成文檔。
+* 即使是依賴項中定義的*路徑操作參數*，也會**自動進行驗證**。
+* 支持複雜的用戶身份驗證系統、**資料庫連接**等。
+* 不與資料庫、前端等進行強制綁定，但能輕鬆整合它們。
+
+
+### 無限制「擴充功能」
+
+或者說，無需其他額外配置，直接導入並使用你所需要的程式碼。
+
+任何整合都被設計得非常簡單易用（通過依賴注入），你只需用與*路徑操作*相同的結構和語法，用兩行程式碼就能為你的應用程式建立一個「擴充功能」。
+
+
+### 測試
+
+* 100% 的測試覆蓋率。
+* 100% 的程式碼有型別註釋。
+* 已能夠在生產環境應用程式中使用。
+
+## Starlette 特性
+
+**FastAPI** 完全相容且基於 Starlette。所以，你有其他的 Starlette 程式碼也能正常運作。FastAPI 繼承了 Starlette 的所有功能，如果你已經知道或者使用過 Starlette，大部分的功能會以相同的方式運作。
+
+通過 **FastAPI** 你可以獲得所有 **Starlette** 的特性（FastAPI 就像加強版的 Starlette）：
+
+* 性能極其出色。它是 Python 可用的最快框架之一，和 **NodeJS** 及 **Go** 相當。
+* **支援 WebSocket**。
+* 能在行程內處理背景任務。
+* 支援啟動和關閉事件。
+* 有基於 HTTPX 的測試用戶端。
+* 支援 **CORS**、GZip、靜態檔案、串流回應。
+* 支援 **Session 和 Cookie** 。
+* 100% 測試覆蓋率。
+* 100% 型別註釋的程式碼庫。
+
+## Pydantic 特性
+
+**FastAPI** 完全相容且基於 Pydantic。所以，你有其他 Pydantic 程式碼也能正常工作。
+
+相容包括基於 Pydantic 的外部函式庫， 例如用於資料庫的 ORMs, ODMs。
+
+這也意味著在很多情況下，你可以把從請求中獲得的物件**直接傳到資料庫**，因為所有資料都會自動進行驗證。
+
+反之亦然，在很多情況下，你也可以把從資料庫中獲取的物件**直接傳給客戶端**。
+
+通過 **FastAPI** 你可以獲得所有 **Pydantic** 的特性（FastAPI 基於 Pydantic 做了所有的資料處理）：
+
+* **更簡單**：
+ * 不需要學習新的 micro-language 來定義結構。
+ * 如果你知道 Python 型別，你就知道如何使用 Pydantic。
+* 和你的 **IDE/linter/brain** 都能好好配合：
+ * 因為 Pydantic 的資料結構其實就是你自己定義的類別實例，所以自動補齊、linting、mypy 以及你的直覺都能很好地在經過驗證的資料上發揮作用。
+* 驗證**複雜結構**：
+ * 使用 Pydantic 模型時，你可以把資料結構分層設計，並且用 Python 的 `List` 和 `Dict` 等型別來定義。
+ * 驗證器讓我們可以輕鬆地定義和檢查複雜的資料結構，並把它們轉換成 JSON Schema 進行記錄。
+ * 你可以擁有深層**巢狀的 JSON** 物件，並對它們進行驗證和註釋。
+* **可擴展**：
+ * Pydantic 讓我們可以定義客製化的資料型別，或者你可以使用帶有 validator 裝飾器的方法來擴展模型中的驗證功能。
+* 100% 測試覆蓋率。