diff --git a/zh_CN/.gitbook/assets/image (127).png b/zh_CN/.gitbook/assets/image (127).png
new file mode 100644
index 0000000..eddf580
Binary files /dev/null and b/zh_CN/.gitbook/assets/image (127).png differ
diff --git a/zh_CN/.gitbook/assets/image (128).png b/zh_CN/.gitbook/assets/image (128).png
new file mode 100644
index 0000000..48612bb
Binary files /dev/null and b/zh_CN/.gitbook/assets/image (128).png differ
diff --git a/zh_CN/advanced/retrieval-augment/hun-he-jian-suo.md b/zh_CN/advanced/retrieval-augment/hun-he-jian-suo.md
index c22c49e..e574022 100644
--- a/zh_CN/advanced/retrieval-augment/hun-he-jian-suo.md
+++ b/zh_CN/advanced/retrieval-augment/hun-he-jian-suo.md
@@ -29,7 +29,7 @@ RAG 检索环节中的主流方法是向量检索，即语义相关度匹配的
 
 在混合检索中，你需要在数据库中提前建立向量索引和关键词索引，在用户问题输入时，分别通过两种检索器在文档中检索出最相关的文本。
 
-<figure><img src="https://langgenius.feishu.cn/space/api/box/stream/download/asynccode/?code=ZjAwN2MwZGYxNTFkNzNkNzA4MDRmNWI3YTVlZjJhMmJfUEVlTmtxZ3Q4VjYyaHl5R3RtZ2xIRnE5Z0xDUldxalBfVG9rZW46VjVTUWJmY2E2b0s3U014N0s5RGNyUE5SbjFkXzE3MDAzMjEwNzg6MTcwMDMyNDY3OF9WNA" alt="" width="563"><figcaption><p>混合检索</p></figcaption></figure>
+<figure><img src="../../.gitbook/assets/image (127).png" alt="" width="563"><figcaption><p>混合检索</p></figcaption></figure>
 
 “混合检索”实际上并没有明确的定义，本文以向量检索和关键词检索的组合为示例。如果我们使用其他搜索算法的组合，也可以被称为“混合检索”。比如，我们可以将用于检索实体关系的知识图谱技术与向量检索技术结合。
 
diff --git a/zh_CN/advanced/retrieval-augment/zhong-pai-xu.md b/zh_CN/advanced/retrieval-augment/zhong-pai-xu.md
index bd01203..f552138 100644
--- a/zh_CN/advanced/retrieval-augment/zhong-pai-xu.md
+++ b/zh_CN/advanced/retrieval-augment/zhong-pai-xu.md
@@ -6,7 +6,7 @@
 
 **重排序模型通过将候选文档列表与用户问题语义匹配度进行重新排序，从而改进语义排序的结果**。其原理是计算用户问题与给定的每个候选文档之间的相关性分数，并返回按相关性从高到低排序的文档列表。常见的 Rerank 模型如：Cohere rerank、bge-reranker 等。
 
-<figure><img src="https://langgenius.feishu.cn/space/api/box/stream/download/asynccode/?code=NTQwYjAxMDAyZmU4MGU1Y2JlYzY0NWFhNDExOGVjYThfb21ZM2lrbHlZM0NPeTJZTWxWbzhhYUNhamRSdU1LTHJfVG9rZW46R0xlOWJDTktXb1B0Z0h4MHNVRWNpT2xGbkNoXzE3MDAzMTk5MDQ6MTcwMDMyMzUwNF9WNA" alt=""><figcaption><p>混合检索+重排序</p></figcaption></figure>
+<figure><img src="../../.gitbook/assets/image (128).png" alt=""><figcaption><p>混合检索+重排序</p></figcaption></figure>
 
 在大多数情况下，在重排序之前会有一次前置检索，这是由于计算查询与数百万个文档之间的相关性得分将会非常低效。所以，**重排序一般都放在搜索流程的最后阶段，非常适合用于合并和排序来自不同检索系统的结果**。
 
@@ -53,7 +53,3 @@ Dify 目前已支持 Cohere Rerank 模型，通过进入“模型供应商-> Coh
 关于多路召回模式的说明：[🔗](zhao-hui-mo-shi.md#duo-lu-zhao-hui-mo-shi)
 
 <figure><img src="../../.gitbook/assets/image (1).png" alt=""><figcaption><p>数据集多路召回模式中设置 Rerank 模型</p></figcaption></figure>
-
-
-
-<figure><img src="https://langgenius.feishu.cn/space/api/box/stream/download/asynccode/?code=ZDk3ZTI3MDk3NGE5NzczNTU1ZDI5YzViYTFhMTZkOWFfV0tOQWNIbUlFY25xS3lxT2VESUpQMXB5WVh0QWFCaHpfVG9rZW46RmpJY2JmZTRBb0ppcXV4bG5lTWNyZlRUbjVnXzE3MDAyMTc1NTA6MTcwMDIyMTE1MF9WNA" alt=""><figcaption><p>在数据集多路召回模式中设置 Rerank 模型</p></figcaption></figure>