diff --git a/zh_CN/admin/configuration-fields/ts-engine.md b/zh_CN/admin/configuration-fields/ts-engine.md
index aeba083..1577fb9 100644
--- a/zh_CN/admin/configuration-fields/ts-engine.md
+++ b/zh_CN/admin/configuration-fields/ts-engine.md
@@ -18,8 +18,12 @@
 # 缓存 SST 文件的结构化元信息，用于条件过滤以加速查询。
 # 缓存配置过小，在文件较多时，可能导致缓存频繁换入换出，影响性能，可通过监控面板观察缓存的使用情况。
 # 关于如何配置该缓存大小，可参考[高性能查询](https://docs.datalayers.cn/datalayers/latest/development-guide/high-performance-reading.html)
-# Default: 512M
-meta_cache_size = "512M"
+# Default: 2GB
+meta_cache_size = "2GB"
+
+# 配置 LAST CACHE 最大可使用内存，设置为 0 表示禁用 LAST CACHE.
+# Default: 2GB
+last_cache_size = "2GB"
 
 # 服务启动时，预加载最近生成的文件的元信息。
 # 在`meta_cache_size` 配置的缓存容量足够的情况下，系统将加载所有 SST 文件的结构化元信息
diff --git a/zh_CN/development-guide/high-performance-reading.md b/zh_CN/development-guide/high-performance-reading.md
index 99d6d4d..8527fb7 100644
--- a/zh_CN/development-guide/high-performance-reading.md
+++ b/zh_CN/development-guide/high-performance-reading.md
@@ -49,7 +49,7 @@ path = "/var/lib/datalayers/cache/file"
 
 注：当内存、磁盘设置较小、且查询场景无热点数据，导致缓存数据被高频换入、换出影响查询性能。
 
-## Hints
+## SQL Hints
 
 SQL Hints 是一种在 SQL 查询中嵌入的特殊指令，用于指导数据库优化器选择特定的执行计划，从而提升查询性能或解决优化器的决策偏差。Datalayers 在 v2.3.9 开始支持该特性。
 
@@ -63,4 +63,42 @@ SELECT /*+ SET_VAR(parallel_degree=1) */ * FROM table;
 
 在查询时，Datalayers 默认策略会尝试调度更多的 CPU 资源，通过并行化将任务拆分为多个子任务（如数据分片、并行扫描、聚合）来加速查询。这种逻辑对于数据量较大时有显著优势，但对于小查询则会带来一定的副作用。因此在小查询时通过指定并行度，可极大提升查询 QPS 与性能。在时序场景，一般来说查询某设备一小段时间范围内的数据，建议设置 `parallel_degree=1`，可显著提升系统查询的 QPS。
 
+## LAST CACHE
+在时序场景中，经常需要查询 点/设备 最新一行的数据记录，用于追踪设备最新状态。Datalayers 在 `v2.3.12` 版本中，引入 LAST CACHE，用于缓存设备、点位最新一行数据，以加速查询。
 
+如需启用 LAST CACHE，需通过以下两个步骤：
+
+### 配置 LAST CACHE
+
+```toml
+# Cache size for last value. Setting it to 0 to disable the cache.
+ # Default: 2GB
+last_cache_size = "2GB"
+```
+该配置表示当前节点，LAST CACHE 最多使用 2GB 内存。
+
+### 启用 LAST CACHE 
+
+```sql
+CREATE TABLE `t` (
+  `ts` TIMESTAMP(9) NOT NULL DEFAULT CURRENT_TIMESTAMP,
+  `sid` INT32 NOT NULL,
+  `value` REAL,
+  `flag` INT8,
+  TIMESTAMP KEY(`ts`)
+)
+PARTITION BY HASH (`sid`) PARTITIONS 2
+ENGINE=TimeSeries
+WITH (
+  ENABLE_LAST_CACHE=TRUE,
+  UPDATE_MODE=APPEND
+)
+```
+在 table options 中，将ENABLE_LAST_CACHE设置为 true，即为该 table 启动了 LAST CACHE。
+
+通过上述配置后，即可对下面相关 SQL 进行加速查询。
+
+- select * from t where sid = 1 order by ts desc limit 1
+- select value from t where sid = 1 or sid = 2 order by ts desc limit 1
+- select last_value(value order by ts) from t where sid in (1,2,3)
+- select first_value(value order by ts desc) from t where sid = 1 or sid in (2,3)
diff --git a/zh_CN/releases/changes.md b/zh_CN/releases/changes.md
index a4726c4..5e35442 100644
--- a/zh_CN/releases/changes.md
+++ b/zh_CN/releases/changes.md
@@ -1,5 +1,28 @@
 # CHANGELOG
 
+## 2.3.12
+
+发布日期: 2025-09-24
+
+## 🚀 新功能
+### LAST CACHE（时序引擎最新值缓存）
+- **核心功能**：为时序引擎新增点位最新值缓存机制，显著提升最新数据查询速度
+- **性能提升**：查询性能提升数十倍，特别适用于高频访问最新数据的场景（如实时监控大屏）
+
+## ⚡ 性能提升
+### 查询优化
+- 优化查询路径逻辑，在 **高并发场景下** 查询 QPS 提升 **10%+**
+
+### 内存优化
+- 调整元数据缓存策略，降低服务运行内存占用
+
+## 🔍 其它
+- 提供更多维度的运行指标，便于实时观测系统健康状态
+- 基础镜像从 **Ubuntu 22.04** 升级至 **Ubuntu 24.04**
+- 调整日志格式，关键信息更清晰易读，便于快速定位问题
+- 优化进程退出逻辑
+- 关系引擎的基础框架代码合入
+
 ## 2.3.11
 
 发布日期: 2025-09-08
diff --git a/zh_CN/sql-reference/table-engine/timeseries.md b/zh_CN/sql-reference/table-engine/timeseries.md
index aee61b3..e1c3023 100644
--- a/zh_CN/sql-reference/table-engine/timeseries.md
+++ b/zh_CN/sql-reference/table-engine/timeseries.md
@@ -60,6 +60,7 @@ PARTITION BY HASH(column_list) PARTITIONS 2
 |  COMPACT_MAX_FILE_SIZE     | 可合并文件的最大尺寸，缺省值为：`300MiB`，支持单位：B、KiB、MiB、GiB、TiB、PiB。 此设置表示当待合并文件大小超过时，不再合并这个文件，注意这个值不是对目标文件的强制大小限制，允许出现合并结果文件大小大于此设置。    |
 |  COMPACT_TIME              | 非活跃窗口合并的工作时间，缺省值为当前系统设置时区的 `02:00~06:00`。支持 UTC 时区设置形式如： UTC,02:00\~06:00  支持多时间窗口设置形式如： UTC,02:00\~04:00,13:00\~15:00，不允许多个时间窗口重叠，允许时间跨凌晨如：23:00\~02:00 |
 |  COMPACT_MODE              | Compaction 支持的模式，缺省值为：`[COMPACT,TTL]`，支持选项：COMPACT,TTL,Delta，可以组合使用。当组合多个选项时，需以'[]'括起来，中间以英文逗号分隔，例如: `[COMPACT,TTL,Delta]`。如需关闭 Compaction，则指定为 Disable  |
+|  ENABLE_LAST_CACHE         | 是否缓存点位最新的数据，缺少值为：`false`。启用该功能后，对于查询点位最新值的场景，性能将会有巨大的提升  |
 
 ### 示例1