fix(docs): correct broken links in appendix and sidebar config

- prompt-engineering.md: fix llm-principles link path\n- cloud-iam.md: fix llm-intro and prompt-engineering link paths\n- config.mjs: fix 3 broken sidebar links (what-is-api, examples paths)\n\nThese links were pointing to non-existent paths, causing 404 errors for readers.
This commit is contained in:
Electricitysheep
2026-05-26 17:56:43 +08:00
parent 812a37da1c
commit 0325d50661
3 changed files with 6 additions and 6 deletions
+3 -3
View File
@@ -2482,7 +2482,7 @@ Sitemap: ${siteUrl}/sitemap.xml
}, },
{ {
text: 'Extra 2: What is API', text: 'Extra 2: What is API',
link: '/zh-cn/stage-2/backend/what-is-api/' link: '/zh-cn/stage-2/backend/ai-interface-code/'
}, },
{ {
text: 'Extra 5: What is RAG', text: 'Extra 5: What is RAG',
@@ -2505,11 +2505,11 @@ Sitemap: ${siteUrl}/sitemap.xml
items: [ items: [
{ {
text: 'Ex 0.1: Snake Game', text: 'Ex 0.1: Snake Game',
link: '/zh-cn/examples/example0/example0-1/vibe-coding-tools-snake-game-tutorial' link: '/zh-cn/stage-1/appendix-articles/example0-1/vibe-coding-tools-snake-game-tutorial'
}, },
{ {
text: 'Ex 0.2: Build Website with AI', text: 'Ex 0.2: Build Website with AI',
link: '/zh-cn/examples/example0/example0-2/vibe-coding-tools-build-website-with-ai-coding-and-design-agents' link: '/zh-cn/stage-1/appendix-articles/example0-2/vibe-coding-tools-build-website-with-ai-coding-and-design-agents'
} }
] ]
} }
@@ -3,8 +3,8 @@
在开始之前,建议你先补两块"基础砖": 在开始之前,建议你先补两块"基础砖":
- **Token 是什么**:可以先阅读 [大语言模型入门](./llm-intro.md) 的「分词 & Token」部分。 - **Token 是什么**:可以先阅读 [大语言模型入门](../8-artificial-intelligence/llm-principles.md) 的「分词 & Token」部分。
- **Prompt 是什么**:如果你还不熟悉 System / User / Assistant 的基本结构,可以先看 [提示词工程](./prompt-engineering/)。 - **Prompt 是什么**:如果你还不熟悉 System / User / Assistant 的基本结构,可以先看 [提示词工程](../8-artificial-intelligence/prompt-engineering/)。
--- ---
@@ -34,7 +34,7 @@ AI 模型像一个**黑盒子**:我们知道输入(提示词)和输出(
2. **更准确**:符合你的特定格式和逻辑要求。 2. **更准确**:符合你的特定格式和逻辑要求。
3. **更高效**:一步到位,不需要反复纠正。 3. **更高效**:一步到位,不需要反复纠正。
> **背景知识**:如果你对模型是如何训练出来的感兴趣(预训练 vs 微调),可以阅读附录中的 [大语言模型入门](../llm-principles.md)。或者查看下方的详细原理解析。 > **背景知识**:如果你对模型是如何训练出来的感兴趣(预训练 vs 微调),可以阅读附录中的 [大语言模型入门](../8-artificial-intelligence/llm-principles.md)。或者查看下方的详细原理解析。
### 深度解析:从训练数据看模型行为 ### 深度解析:从训练数据看模型行为