diff --git a/.vitepress/cache/deps/_metadata.json b/.vitepress/cache/deps/_metadata.json
index 5094116..ea8fe0c 100644
--- a/.vitepress/cache/deps/_metadata.json
+++ b/.vitepress/cache/deps/_metadata.json
@@ -1,11 +1,11 @@
 {
-  "hash": "37427fdc",
-  "browserHash": "93d17c76",
+  "hash": "6fdfc41b",
+  "browserHash": "128697d0",
   "optimized": {
     "vue": {
       "src": "../../../node_modules/vue/dist/vue.runtime.esm-bundler.js",
       "file": "vue.js",
-      "fileHash": "87e80f21",
+      "fileHash": "6266fb14",
       "needsInterop": false
     }
   },
diff --git a/4.人工智能/4.3.1搜索.md b/4.人工智能/4.3.1搜索.md
index 04386b0..9a3fa19 100644
--- a/4.人工智能/4.3.1搜索.md
+++ b/4.人工智能/4.3.1搜索.md
@@ -38,7 +38,7 @@
 
   - 智能主体在其环境中的配置。
   - 例如，在一个数字华容道谜题中，一个状态是所有数字排列在棋盘上的任何一种方式。
-  - 初始状态(Initial State）
+  - 初始状态（Initial State）
 
     - 搜索算法开始的状态。在导航应用程序中，这将是当前位置。
 
@@ -238,23 +238,23 @@ def remove(self):
   
     - $s_0$: 初始状态（在我们的情况下，是一个空的3X3棋盘）
     
-      ![](D:\MDnote\MDimage\WstnbmHwYoQauRxUQOCclz8Jngb-1681921487075.png)
+      ![](static/WstnbmHwYoQauRxUQOCclz8Jngb.png)
 
     - $$Players(s)$$: 一个函数，在给定状态$$s$$的情况下，返回轮到哪个玩家（X或O）。
     
-      ![](D:\MDnote\MDimage\DKzTbJSZMoc1UkxT9KOcIHqvnob.png)
+      ![](static/DKzTbJSZMoc1UkxT9KOcIHqvnob.png)
     
     - $Actions(s)$: 一个函数，在给定状态$$s$$的情况下，返回该状态下的所有合法动作（棋盘上哪些位置是空的）。
     
-      ![](D:\MDnote\MDimage\LuEzbLOaqox7yox5lXzcouWYnKc.png)
+      ![](static/LuEzbLOaqox7yox5lXzcouWYnKc.png)
     
     - $Result(s, a)$: 一个函数，在给定状态$$s$$和操作$$a$$的情况下，返回一个新状态。这是在状态$$s$$上执行动作$$a$$（在游戏中移动）所产生的棋盘。
     
-      ![](D:\MDnote\MDimage\AdOVbwCGhoVcWVx21TMcdhbDnIg.png)
+      ![](static/AdOVbwCGhoVcWVx21TMcdhbDnIg.png)
     
     - $Terminal(s)$: 一个函数，在给定状态$$s$$的情况下，检查这是否是游戏的最后一步，即是否有人赢了或打成平手。如果游戏已结束，则返回True，否则返回False。
     
-      ![](D:\MDnote\MDimage\EOfJbvoUMogVT8xsrTxcl5ugnrk.png)
+      ![](static/EOfJbvoUMogVT8xsrTxcl5ugnrk.png)
     
     - $Utility(s)$: 一个函数，在给定终端状态s的情况下，返回状态的效用值：$$-1、0或1$$。
     
@@ -302,7 +302,7 @@ def remove(self):
       - $$v = Min(v, Max-Value(Result(state, action)))$$
     - return $$v$$
 
-不会理解递归？也许你需要看看这个：[阶段二:递归操作](https://hdu-cs-lecture-notes.feishu.cn/wiki/wikcnwIRBW8rXspHQvigmYXZSWd)
+不会理解递归？也许你需要看看这个：[阶段二:递归操作](../3.%E7%BC%96%E7%A8%8B%E6%80%9D%E7%BB%B4%E4%BD%93%E7%B3%BB%E6%9E%84%E5%BB%BA/3.6.4.2%E9%98%B6%E6%AE%B5%E4%BA%8C%EF%BC%9A%E9%80%92%E5%BD%92%E6%93%8D%E4%BD%9C.md)
 
 - $$\alpha$$-$$\beta$$剪枝(Alpha-Beta Pruning)
   - 作为一种优化Minimax的方法，Alpha-Beta剪枝跳过了一些明显不利的递归计算。在确定了一个动作的价值后，如果有初步证据表明接下来的动作可以让对手获得比已经确定的动作更好的分数，那么就没有必要进一步调查这个动作，因为它肯定比之前确定的动作不利。
diff --git a/package-lock.json b/package-lock.json
index e3ceb6a..7f99a68 100644
--- a/package-lock.json
+++ b/package-lock.json
@@ -1,5 +1,5 @@
 {
-  "name": "srt-wiki",
+  "name": "hdu-cs-wiki-cww",
   "lockfileVersion": 2,
   "requires": true,
   "packages": {