diff --git a/zh_CN/.gitbook/assets/image (247).png b/zh_CN/.gitbook/assets/image (247).png
new file mode 100644
index 0000000..0fee7ff
Binary files /dev/null and b/zh_CN/.gitbook/assets/image (247).png differ
diff --git a/zh_CN/.gitbook/assets/image (248).png b/zh_CN/.gitbook/assets/image (248).png
new file mode 100644
index 0000000..0fee7ff
Binary files /dev/null and b/zh_CN/.gitbook/assets/image (248).png differ
diff --git a/zh_CN/guides/workspace/app/README.md b/zh_CN/guides/workspace/app/README.md
index 3ab171e..5ee0ae0 100644
--- a/zh_CN/guides/workspace/app/README.md
+++ b/zh_CN/guides/workspace/app/README.md
@@ -4,7 +4,7 @@
 
 在**发现**中，提供了一些常用的模版应用。这些应用涵盖了人力资源，助手，翻译，编程和写作。
 
-<figure><img src="../../../explore/images/explore-app.jpg" alt=""><figcaption></figcaption></figure>
+<figure><img src="../../../.gitbook/assets/image (248).png" alt=""><figcaption></figcaption></figure>
 
 如果要使用某个模版应用，点击模版的“添加到工作区”按钮。在左侧的工作区中，可以使用该应用。
 
diff --git a/zh_CN/learn-more/extended-reading/what-is-llmops.md b/zh_CN/learn-more/extended-reading/what-is-llmops.md
index e209ef0..c07e4d4 100644
--- a/zh_CN/learn-more/extended-reading/what-is-llmops.md
+++ b/zh_CN/learn-more/extended-reading/what-is-llmops.md
@@ -4,7 +4,7 @@
 
 下表说明了使用 Dify 前后开发 AI 应用的各环节差异：
 
-<table><thead><tr><th width="199">步骤</th><th width="293">未使用 LLMOps 平台</th><th width="289">使用 Dify LLMOps 平台</th><th>时间差异</th></tr></thead><tbody><tr><td>开发应用前&#x26;后端</td><td>集成和封装 LLM 能力，花费较多时间开发前端应用</td><td>直接使用 Dify 的后端服务，可基于 WebApp 脚手架开发 </td><td>-80%</td></tr><tr><td>Prompt Engineering</td><td>仅能通过调用 API 或 Playground 进行</td><td>结合用户输入数据所见即所得完成调试</td><td>-25%</td></tr><tr><td>数据准备与嵌入</td><td>编写代码实现长文本数据处理、嵌入</td><td>在平台上传文本或绑定数据源即可</td><td>-80%</td></tr><tr><td>应用日志与分析</td><td>编写代码记录日志，访问数据库查看</td><td>平台提供实时日志与分析</td><td>-70%</td></tr><tr><td>数据分析与微调</td><td>技术人员进行数据管理和创建微调队列</td><td>非技术人员可协同，可视化模型调整</td><td>-60%</td></tr><tr><td>AI 插件开发与集成</td><td>编写代码创建、集成 AI 插件</td><td>平台提供可视化工具创建、集成插件能力</td><td>-50%</td></tr></tbody></table>
+<table><thead><tr><th width="199">步骤</th><th width="293">未使用 LLMOps 平台</th><th width="289">使用 Dify LLMOps 平台</th><th>时间差异</th></tr></thead><tbody><tr><td>开发应用前&#x26;后端</td><td>集成和封装 LLM 能力，花费较多时间开发前端应用</td><td>直接使用 Dify 的后端服务，可基于 WebApp 脚手架开发</td><td>-80%</td></tr><tr><td>Prompt Engineering</td><td>仅能通过调用 API 或 Playground 进行</td><td>结合用户输入数据所见即所得完成调试</td><td>-25%</td></tr><tr><td>数据准备与嵌入</td><td>编写代码实现长文本数据处理、嵌入</td><td>在平台上传文本或绑定数据源即可</td><td>-80%</td></tr><tr><td>应用日志与分析</td><td>编写代码记录日志，访问数据库查看</td><td>平台提供实时日志与分析</td><td>-70%</td></tr><tr><td>数据分析与微调</td><td>技术人员进行数据管理和创建微调队列</td><td>非技术人员可协同，可视化模型调整</td><td>-60%</td></tr><tr><td>AI 插件开发与集成</td><td>编写代码创建、集成 AI 插件</td><td>平台提供可视化工具创建、集成插件能力</td><td>-50%</td></tr></tbody></table>
 
 在使用 LLMOps 平台如 Dify 之前，基于 LLM 开发应用的过程可能会非常繁琐和耗时。开发者需要自行处理各个阶段的任务，这可能导致效率低下、难以扩展和安全性问题。以下是使用 LLMOps 平台前的开发过程：
 
@@ -21,7 +21,7 @@
 2. Prompt Engineering：所见即所得的 Prompt 编辑和调试，可根据用户输入的数据进行实时优化和调整。
 3. 嵌入和上下文管理：自动处理长上下文的嵌入、存储和管理，提高效率和扩展性，无需编写大量代码。
 4. 应用监控与维护：实时监控性能数据，快速发现和处理问题，确保应用程序的稳定运行，提供完整的日志记录。
-5. 模型微调：平台提供一键微调功能，基于过去已标注的真实使用数据进行训练，提高模型性能，减少编程工作。
+5. 微调数据准备：提供人工标注数据集的批量导出，在应用运营过程中收集线上反馈数据持续改善模型效果。
 6. 系统和运营：易用的界面，非技术人员也可参与，支持多人协同，降低开发和维护成本。与传统开发方式相比，Dify 提供了更加透明和易于监控的应用管理，让团队成员更好地了解应用的运行情况。
 
 另外，Dify 将提供 AI 插件开发和集成的功能，使得开发者可以轻松地为各种应用创建和部署基于 LLM 的插件，进一步提升了开发效率和应用的价值。