From 58949ab04b2c7fb66daa125c541dbaa43c4c8b40 Mon Sep 17 00:00:00 2001
From: pd <2146434163@qq.com>
Date: Mon, 18 Aug 2025 17:53:40 +0800
Subject: [PATCH] =?UTF-8?q?=E4=B8=B4=E6=97=B6=E6=8F=90=E4=BA=A4?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 deepsearcher/templates/html/index.html        |  44 ++--
 deepsearcher/templates/static/data/test.txt   | 219 +++++++-----------
 deepsearcher/templates/static/js/app.js       |   2 +-
 .../templates/static/themes/latex.css         | 145 ++++++------
 4 files changed, 182 insertions(+), 228 deletions(-)

diff --git a/deepsearcher/templates/html/index.html b/deepsearcher/templates/html/index.html
index 3d3396e..64323c8 100644
--- a/deepsearcher/templates/html/index.html
+++ b/deepsearcher/templates/html/index.html
@@ -174,7 +174,7 @@
           </div>
         </div>
 
-        <!-- <div class="card">
+        <div class="card">
           <div
             class="query-result markdown-body"
             id="test"
@@ -226,7 +226,7 @@
               下载
             </button>
           </div>
-        </div> -->
+        </div>
       </main>
 
       <footer>
@@ -236,29 +236,29 @@
 
     <script src="../static/js/app.js"></script>
     <script>
-      // fetch('../static/data/test.txt').then((res) => {
-      //   res.text().then((text) => {
-      //     document.getElementById('test').innerHTML = md.render(text);
-      //   });
-      // });
+      fetch('../static/data/test.txt').then((res) => {
+        res.text().then((text) => {
+          document.getElementById('test').innerHTML = md.render(text);
+        });
+      });
 
-      // function downloadPdf1() {
-      //   const element = document.getElementById('test');
+      function downloadPdf1() {
+        const element = document.getElementById('test');
 
-      //   const opt = {
-      //     margin: 12,
-      //     filename: '内容.pdf',
-      //     image: { type: 'jpeg', quality: 0.98 },
-      //     enableLinks: true,
-      //     html2canvas: { scale: 2, logging: true, useCORS: true }, // 提高清晰度
-      //     jsPDF: { unit: 'mm', format: 'a4', orientation: 'portrait' },
-      //     pagebreak: {
-      //       mode: ['avoid-all', 'css', 'legacy']
-      //     }
-      //   };
+        const opt = {
+          margin: 12,
+          filename: '内容.pdf',
+          image: { type: 'jpeg', quality: 0.98 },
+          enableLinks: true,
+          html2canvas: { scale: 2, logging: true, useCORS: true }, // 提高清晰度
+          jsPDF: { unit: 'mm', format: 'a4', orientation: 'portrait' },
+          pagebreak: {
+            mode: ['avoid-all', 'css', 'legacy']
+          }
+        };
 
-      //   html2pdf().set(opt).from(element).save();
-      // }
+        html2pdf().set(opt).from(element).save();
+      }
 
       function changeTheme(url) {
         document.getElementById('md-theme').setAttribute('href', url);
diff --git a/deepsearcher/templates/static/data/test.txt b/deepsearcher/templates/static/data/test.txt
index 00be87c..c04cde1 100644
--- a/deepsearcher/templates/static/data/test.txt
+++ b/deepsearcher/templates/static/data/test.txt
@@ -1,172 +1,115 @@
-Milvus是一个专为处理大规模向量数据设计的开源向量数据库系统，其名称源自于鹰科猛禽Milvus（以飞行速度快、适应性强著称）的象征意义[^1]。该数据库由Zilliz开发并捐赠至Linux基金会下的LF AI & Data项目，采用Apache 2.0协议开放源代码，已成为全球领先的向量数据库解决方案之一。以下是围绕Milvus的全面分析：
+# Milvus向量数据库研究报告
 
+## 一、核心功能与特性
 
+Milvus是一款开源高性能向量数据库，专为处理大规模高维向量数据设计，支持非结构化数据（如文本、图像、音频）的高效相似性搜索。其核心功能包括：
 
-### 一、定义与核心用途
+1. **多模态数据建模**：通过Embedding技术将非结构化数据转换为向量后存储，支持稀疏向量、二进制向量、JSON数组等多种数据类型[^1]。
+2. **灵活部署模式**：提供三种部署方案以适应不同场景需求：
+   - **Milvus Lite**：轻量级Python库，适用于本地原型开发或边缘设备[^1]。
+   - **Milvus Standalone**：单机版，适合中小规模应用[^1]。
+   - **Milvus Distributed**：云原生分布式架构，支持十亿级甚至万亿级向量数据存储与查询[^1]。
+3. **高性能优化**：
+   - **硬件感知设计**：针对AVX512、SIMD、GPU和NVMe SSD进行底层代码优化，结合C++搜索引擎实现低延迟、高吞吐量[^1]。
+   - **面向列存储**：仅读取查询涉及的字段，减少I/O开销，并支持向量化操作提升效率[^1]。
+4. **高级搜索能力**：支持IVF、HNSW、DiskANN等主流索引算法，并集成元数据过滤、范围搜索及混合搜索（向量+关键词）[^1][^2]。
 
+## 二、技术架构设计原理
 
+Milvus采用**计算与存储分离的分布式架构**，通过模块化设计实现高可扩展性[^1][^4]：
 
-Milvus的核心定位是通过高效存储和检索向量化表示的非结构化数据（如文本、图像、音频）来解决语义搜索难题。它利用Embedding技术将原始数据转化为数字向量，支持多种数据建模方式，可构建包含浮点向量、二进制向量、稀疏向量及JSON字段的复合型Collections[^1]。其应用领域涵盖推荐系统、内容检索、版权保护和专利匹配等场景，典型客户包括Salesforce、PayPal、Airbnb等300余家大型企业。
+### 1. 架构层级
 
+- **访问层**：通过无状态Proxy接收请求，实现负载均衡和结果聚合[^4]。
+- **协调服务**：由RootCoord、DataCoord、QueryCoord等组件管理集群拓扑、分片分配和全局一致性[^4]。
+- **工作节点**：
+  - **QueryNode**：执行近似最近邻（ANN）搜索，支持增量段（Growing Segments）和历史段（Sealed Segments）并行处理[^4]。
+  - **IndexNode**：构建和维护索引，支持SIMD和GPU加速[^4]。
+- **存储层**：
+  - **日志代理**：通过Kafka/Pulsar持久化增量数据[^1]。
+  - **对象存储**：使用S3/MinIO存储索引和元数据快照，支持热/冷数据分层[^4]。
 
+### 2. 关键技术
 
-### 二、技术架构与组件
+- **动态段管理**：数据分为实时更新的增量段和批量索引的历史段，优化写入与查询性能[^4]。
+- **硬件加速**：支持NVIDIA CAGRA GPU索引和SIMD指令集优化，显著降低计算时延[^1][^7]。
+- **弹性扩展**：通过Kubernetes实现横向扩展，支持自动分片和负载均衡[^1]。
 
+## 三、行业典型应用场景
 
+Milvus已被广泛应用于以下领域：
 
-Milvus采用高度解耦的云原生架构，主要由三大核心组件构成：
+### 1. **智能搜索引擎与推荐系统**
 
+   - **案例**：电商场景中，用户输入“适合夏天的轻薄西装”时，系统通过语义向量匹配商品特征，返回风格相近的商品[^3]。
+   - **优势**：结合元数据过滤（如价格、类别），在数十亿级商品库中实现毫秒级召回[^5]。
 
+### 2. **多媒体内容检索**
 
-1. **C++引擎层**：负责向量相似度计算、索引构建和数据持久化，通过底层优化实现80%以上的性能瓶颈突破[^1]。
-2. **Python服务层**：提供RESTful API和SDK接口，支持快速原型开发与上层应用集成。Milvus Lite作为轻量级Python库，适用于边缘设备或Jupyter Notebook环境[^1]。
-3. **分布式协调系统**：基于Kubernetes无状态微服务架构，通过独立的查询节点（QueryNode）、数据节点（DataNode）和索引节点（IndexNode）实现横向扩展，支持十亿级到数百亿级向量的集群部署[^2]。
+   - **图像/视频搜索**：公安系统利用人脸比对技术，通过向量检索快速定位嫌疑人；版权公司检测视频侵权内容[^3]。
+   - **音频识别**：音乐平台通过指纹匹配技术实现歌曲推荐[^3]。
 
+### 3. **知识密集型AI应用**
 
+   - **RAG（检索增强生成）**：在医疗问答系统中，用户提问被编码为向量，通过Milvus检索医学文献片段，辅助大模型生成答案[^3]。
+   - **金融风控**：基于交易行为向量分析，识别异常模式并预警欺诈风险[^3]。
 
-### 三、索引机制与搜索能力
+### 4. **物联网与知识图谱**
 
+   - **实体链接**：某金融科技公司通过Milvus将客户查询中的实体（如人名、地点）转化为向量，实现跨系统数据关联，匹配时间缩短30%[^3]。
 
+## 四、性能指标与基准测试
 
-Milvus支持多样化的索引类型以适应不同场景需求：
+Milvus在性能测试中表现优异，尤其在大规模数据集上具备显著优势：
 
+1. **基准测试结果**：
+   - 在VectorDBBench测试中，Milvus的QPS（每秒查询数）和Recall（召回率）均优于FAISS、HNSWLib等竞品，延迟中位数达2.4ms[^5]。
+   - 支持百亿级向量数据存储，且扩展性随节点增加线性提升[^1]。
+2. **性能优化策略**：
+   - **索引选择**：HNSW适合高精度场景（如生物识别），IVF适用于中等规模数据，DiskANN则降低内存占用但需权衡延迟[^5]。
+   - **参数调优**：调整nprobe（IVF索引搜索簇数）、efConstruction（HNSW索引构建参数）等参数可平衡精度与速度[^5]。
+   - **硬件适配**：启用GPU加速可提升大规模搜索效率，例如在128维向量场景下QPS可达数百万次[^7]。
 
+## 五、差异化优势与竞品对比
 
-- **内存索引**：包括IVF_FLAT（精确近似最近邻）、HNSW（分层导航小世界图）、SCANN（随机近似近邻）等，适用于实时性要求高的场景[^2]。
-- **磁盘索引**：DiskANN（Approximate Nearest Neighbor in Disks）通过分层存储策略，将热数据存于内存冷数据存于磁盘，在保证高召回率的同时显著降低存储成本，相比IVF-Flat在磁盘场景下减少约40%存储开销[^3]。
-- **硬件加速**：集成NVIDIA CAGRA GPU索引和AVX512指令集优化，使GPU加速场景下的搜索速度提升可达3个数量级[^1]。
+| 特性           | Milvus                            | Pinecone                     | Weaviate               | Qdrant                     |
+| -------------- | --------------------------------- | ---------------------------- | ---------------------- | -------------------------- |
+| **开源性**     | Apache 2.0许可，社区活跃          | 闭源，仅云服务               | 开源                   | 开源                       |
+| **索引多样性** | 11种索引（如HNSW、IVF、DiskANN）  | 专有算法，不公开             | 主要依赖HNSW           | HNSW为主，逐步支持混合搜索 |
+| **部署灵活性** | 本地、单机、分布式、云服务        | 仅云服务                     | 本地/云服务            | 单机/云服务                |
+| **生态兼容性** | 集成LangChain、LlamaIndex等AI框架 | 封闭生态                     | 支持GraphQL接口        | 支持REST/gRPC              |
+| **企业级功能** | 支持多租户、热/冷存储、高可用     | 提供托管服务但缺乏自定义能力 | 无中心化架构，易用性强 | 轻量级，适合中小规模应用   |
 
+### 核心竞争力分析
 
+1. **多索引支持**：Milvus是少数实现DiskANN的向量数据库，覆盖从高精度到低成本的多样需求[^2]。
+2. **云原生设计**：通过计算存储分离架构，允许独立扩展计算和存储资源，满足企业级大规模部署需求[^1]。
+3. **硬件深度优化**：针对CPU/GPU/NVMe SSD进行定制化代码优化，性能领先开源竞品[^1]。
+4. **全生命周期管理**：提供从数据导入、索引构建到查询优化的全流程API，且支持自动化调参（如动态调整索引参数）[^7]。
 
-其搜索功能体系包含：
+## 六、挑战与优化方向
 
+尽管Milvus优势显著，但仍需注意以下挑战：
 
+1. **复杂部署**：分布式架构对运维要求较高，需配置etcd、Kafka等组件[^1]。
+2. **冷启动成本**：索引构建（如HNSW）耗时较长，可能影响新数据的即时查询性能[^8]。
+   **优化建议**：
 
-- **基础搜索**：ANN（近似最近邻）和范围搜索（Radius Search）[^4]
-- **混合搜索**：支持动态权重分配的多向量字段联合搜索，通过Reranker模块实现结果排序优化[^5]
-- **全文搜索**：集成BM25算法，支持将文本直接转换为稀疏向量进行索引[^5]
+- **分层存储**：将高频数据存于内存/SSD，冷数据迁移至磁盘，降低成本[^1]。
+- **混合索引**：结合HNSW（高精度）与IVF-PQ（低存储）提升性价比[^4]。
+- **监控体系**：通过Prometheus+Grafana实时跟踪CPU、IOPS等指标，及时发现瓶颈（如QueryNode过载）[^8]。
 
+## 七、总结与选型建议
 
+Milvus凭借其**开源透明性、多索引灵活性**及**企业级扩展能力**，成为处理大规模向量数据的首选。对于需快速迭代的初创团队，可选择Milvus Lite或Zilliz Cloud托管服务；而企业级用户则可通过分布式架构应对PB级数据挑战。相比之下，Pinecone虽提供开箱即用体验，但闭源特性限制了定制化需求[^5]。未来，Milvus的多模态融合（如文本+图像联合检索）和更高效的磁盘索引算法将进一步巩固其市场地位[^9]。
 
-### 四、性能与扩展优势
-
-
-
-根据VectorDBBench基准测试，Milvus在多数场景下性能优于其他向量数据库2-5倍[^2]。其扩展能力体现在：
-
-
-
-- **存储扩展**：支持热/冷存储分层，通过对象存储（如AWS S3）管理PB级冷数据，内存热数据缓存命中率可达95%[^5]
-- **计算扩展**：查询节点与数据节点分离设计，可独立扩展处理读写压力。分布式集群部署时，通过mmap技术实现内存映射文件的高效管理[^2]
-- **成本控制**：Zilliz Cloud托管版相较Pinecone在中型数据集查询成本降低27.5%，大型数据集成本优化达48.5%[^2]
-
-
-
-### 五、部署模式与运维特性
-
-
-
-Milvus提供三种部署方案：
-
-
-
-1. **Lite模式**：单机Python库形式，资源占用约500MB，适合原型开发与边缘部署[^1]
-2. **Standalone模式**：单节点Docker部署，支持最多10万并发连接，但不支持水平扩展[^1]
-3. **Distributed模式**：Kubernetes集群部署，支持自动故障转移（通过Coordinator HA机制）和滚动升级，能够实现每秒数百万次查询的吞吐能力[^2]
-
-
-
-运维层面通过以下机制保障可靠性：
-
-
-
-- **多副本架构**：默认启用数据复制，结合Raft协议确保数据一致性[^2]
-- **备份恢复**：Milvus Backup工具支持增量备份和版本管理，RPO（恢复点目标）可达秒级[^5]
-- **监控体系**：集成Prometheus和Grafana，提供毫秒级延迟监控和资源利用率分析[^4]
-
-
-
-### 六、混合搜索与高级功能
-
-
-
-混合搜索功能通过三个维度实现多字段权重调整：
-
-
-
-1. **向量字段组合**：支持任意数量的密集/稀疏向量字段参与计算
-2. **动态评分函数**：允许自定义权重矩阵，使用加权余弦相似度等公式
-3. **元数据过滤**：结合标量字段（Scalar Fields）进行布尔过滤和范围筛选[^5]
-
-
-
-面向列的存储优化体现在：
-
-
-
-- 列式存储使查询时仅加载相关字段数据，减少I/O负载约60%
-- 支持列式批量操作（如向量化计算），提升CPU利用率至95%以上[^3]
-
-
-
-### 七、行业案例与技术演进
-
-
-
-- **Sohu新闻推荐系统**：通过Milvus实现每日数千万级新闻的实时向量化匹配，Embedding模型每周更新一次，结合增量导入和索引刷新维持数据新鲜度[^5]
-- **Bigo视频去重**：采用特征降维（如PCA）处理视频的512维特征向量，存储空间压缩比达3:1，同时通过稀疏向量索引提升相似度计算效率[^5]
-
-
-
-路线图显示，Milvus 3.0将重点引入文本类型原生支持，预计通过分块编码（Chunk Encoding）和TF-IDF优化技术，使文本数据的索引构建速度提升40%[^4]。当前已实现稀疏向量（Sparse Vector）的GA版本，支持SPLADE和BGE-M3等先进模型。
-
-
-
-### 八、技术挑战与解决方案
-
-
-
-面临的主要挑战及应对措施包括：
-
-
-
-- **高维数据存储**：采用列式存储结合量化压缩（如SQ8/PQ），在1024维向量场景下存储密度提升3倍[^2]
-- **多租户隔离**：通过RBAC（基于角色的访问控制）和资源配额管理系统（ResourceQuota）实现租户级资源分配，最小单位为100个并发连接[^5]
-- **数据持久化**：在Kubernetes环境中使用StatefulSet管理持久化卷，结合WAL（Write-Ahead Log）机制保障故障恢复时数据零丢失[^5]
-
-
-
-JSON字段处理特别采用列式反序列化技术，通过Schema解析将嵌套结构扁平化处理，在保持完整查询能力的同时，索引构建速度较传统方法提升25%[^5]。硬件感知优化方面，对Intel CPU实施AVX512指令集优化，对NVIDIA GPU则利用CUDA并行计算框架，使DiskANN在混合架构下的查询延迟能缩短至15ms以内[^2]。
-
-
-
-### 九、社区与生态系统
-
-
-
-Milvus的开发者社区包含来自ARM、英伟达等科技公司的专家，核心贡献者覆盖HPC领域资深工程师。其生态系统已形成：
-
-
-
-- **工具链**：Attu可视化界面、Birdwatcher监控工具、CDC数据同步插件
-- **集成支持**：Spark/Kafka连接器、30+种编程语言SDK（含微软官方C# SDK）
-- **AI模型集成**：通过pymilvus_models库提供超过200种预训练Embedding模型[^2]
-
-
-
-Zilliz Cloud作为托管服务，在开源版基础上增加了智能扩缩容、自动备份、细粒度审计日志等功能，但牺牲了部分自定义配置选项（如特定硬件优化参数）[^2]。
-
-
-
-### 十、总结与展望
-
-
-
-Milvus通过C++引擎与Python服务的异步通信机制（基于gRPC和ZeroMQ），实现了微秒级响应延迟[^1]。其独特的Partition Key特性相比传统分库分表，在分区粒度上可细化到字段层级，支持数百万级别的动态分区管理[^5]。随着向量数据规模持续增长，Milvus的云原生架构和硬件感知优化使其成为处理超大规模AI应用场景的关键基础设施。未来在文本类型支持和分布式事务处理方面的改进，将进一步强化其在多模态数据处理领域的竞争优势。
-
-[^1]: [12133](docs/intro_docs/what_is_milvus.md)
-[^2]: file:///G:/deep-searcher/docs/intro_docs/milvus_and_others.md
-[^3]: file:///G:/deep-searcher/docs/intro_docs/milvus_application.md
-[^4]: file:///G:/deep-searcher/docs/intro_docs/milvus_roadmap.md
-[^5]: https://www.baidu.com
+[^1]: [/file/%2Fmnt%2Fc%2Fworkspace%2Fdocs%2Fintro_docs%2Fwhat_is_milvus.md](/file/%2Fmnt%2Fc%2Fworkspace%2Fdocs%2Fintro_docs%2Fwhat_is_milvus.md)
+[^2]: [/file/%2Fmnt%2Fc%2Fworkspace%2Fdocs%2Fintro_docs%2Fmilvus_and_others.md](/file/%2Fmnt%2Fc%2Fworkspace%2Fdocs%2Fintro_docs%2Fmilvus_and_others.md)
+[^3]: https://cloud.tencent.com/developer/article/2538386
+[^4]: https://blog.csdn.net/weixin_53933896/article/details/147855500
+[^5]: https://juejin.cn/post/7502352683375673382
+[^6]: https://www.cnblogs.com/xfuture/p/18308851
+[^7]: https://helloreader.blog.csdn.net/article/details/141892755
+[^8]: https://cloud.tencent.com/developer/article/2437663
+[^9]: https://dis.qidao123.com/thread-65170-1-1.html
 
diff --git a/deepsearcher/templates/static/js/app.js b/deepsearcher/templates/static/js/app.js
index ad4baee..5b35a17 100644
--- a/deepsearcher/templates/static/js/app.js
+++ b/deepsearcher/templates/static/js/app.js
@@ -14,7 +14,7 @@ md.renderer.rules.footnote_ref = (tokens, idx, options, env, slf) => {
   const href = `#fn${n}`;
   const id = `fnref${n}`;
 
-  return `<sup class="footnote-ref">[^<a href="${href}" id="${id}">${n}</a>]</sup>`;
+  return `<sup class="footnote-ref">[<a href="${href}" id="${id}">${n}</a>]</sup>`;
 };
 
 // 工具函数：显示状态信息
diff --git a/deepsearcher/templates/static/themes/latex.css b/deepsearcher/templates/static/themes/latex.css
index 24615ac..73f2dc6 100644
--- a/deepsearcher/templates/static/themes/latex.css
+++ b/deepsearcher/templates/static/themes/latex.css
@@ -86,7 +86,7 @@
 }
 
 @media print {
-  .markdown-body #write {
+  .markdown-body {
     padding: 0 !important;
   }
   .markdown-body h2 {
@@ -95,15 +95,15 @@
   .markdown-body h2:first-of-type {
     break-before: avoid-page;
   }
-  @page {
-    margin: 1.8cm 2cm 1.2cm 2cm !important; /* 页边距 */
-  }
+  /* @page {
+    margin: 1.8cm 2cm 1.2cm 2cm !important; 
+  } */
 }
-.markdown-body #write {
+.markdown-body {
   font-family: var(--base-Latin-font), var(--base-Chinese-font), serif;
   font-size: var(--base-font-size);
   /* A4标准宽度 */
-  max-width: 21cm;
+  /* max-width: 21cm; */
   background-color: white;
   /* column-count: 2;
     column-gap: 25px;
@@ -111,17 +111,17 @@
     display: inline-block; */
   /* 这里可以试分栏的，但确实不适合实现 */
 }
-.markdown-body #write .md-math-block,
-.markdown-body #write .md-rawblock,
-.markdown-body #write p {
+.markdown-body .md-math-block,
+.markdown-body .md-rawblock,
+.markdown-body p {
   margin-top: 1em;
   margin-bottom: 1em;
 }
-.markdown-body #write p {
+.markdown-body p {
   text-align: left;
   line-height: var(--base-line-height);
 }
-.markdown-body #write a {
+.markdown-body a {
   color: var(--link-color-light);
 }
 
@@ -131,17 +131,12 @@
   margin-bottom: 1.8em;
 }
 
-.markdown-body img {
-  /* 避免图片在导出时被断开 */
-  break-inside: avoid-page;
-}
-
 .markdown-body strong {
   font-weight: var(--strong-weight);
 }
 
 @media screen {
-  .markdown-body #write {
+  .markdown-body {
     padding: var(--set-margin);
     /* 添加一个淡蓝色的边框 */
     /* border: 0.8px solid #AAC ; */
@@ -213,10 +208,10 @@
   font-size: 0.8em;
 }
 
-.markdown-body #write > h3.md-focus:before,
-.markdown-body #write > h4.md-focus:before,
-.markdown-body #write > h5.md-focus:before,
-.markdown-body #write > h6.md-focus:before,
+.markdown-body > h3.md-focus:before,
+.markdown-body > h4.md-focus:before,
+.markdown-body > h5.md-focus:before,
+.markdown-body > h6.md-focus:before,
 .markdown-body h3.md-focus:before,
 .markdown-body h4.md-focus:before,
 .markdown-body h5.md-focus:before,
@@ -236,86 +231,86 @@
   line-height: inherit;
 }
 
-.markdown-body #write {
+.markdown-body {
   counter-reset: heading-h2 heading-h3 heading-h4 heading-h5 heading-h6;
 }
-.markdown-body #write h1,
-.markdown-body #write h2,
-.markdown-body #write h3,
-.markdown-body #write h4,
-.markdown-body #write h5,
-.markdown-body #write h6 {
+.markdown-body h1,
+.markdown-body h2,
+.markdown-body h3,
+.markdown-body h4,
+.markdown-body h5,
+.markdown-body h6 {
   font-weight: bold;
   break-after: avoid-page !important;
 }
-.markdown-body .markdown-body #write h1 {
+.markdown-body .markdown-body h1 {
   font-family: var(--heading-Latin-font), var(--title-Chinese-font), serif;
   text-align: center;
   column-span: all;
   font-size: var(--title-font-size);
 }
-.markdown-body #write h2 {
+.markdown-body h2 {
   font-family: var(--heading-Latin-font), var(--h2-Chinese-font), serif;
   font-size: var(--h2-font-size);
 }
-.markdown-body #write h3 {
+.markdown-body h3 {
   font-family: var(--heading-Latin-font), var(--h3-Chinese-font), serif;
   font-size: var(--h3-font-size);
   line-height: var(--h3-font-size);
 }
-.markdown-body #write h4 {
+.markdown-body h4 {
   font-family: var(--heading-Latin-font), var(--h4-Chinese-font), serif;
   font-size: var(--h4-font-size);
   line-height: var(--h4-font-size);
 }
-.markdown-body #write h5 {
+.markdown-body h5 {
   font-family: var(--heading-Latin-font), var(--h5-Chinese-font), serif;
   font-size: var(--h5-font-size);
   line-height: var(--h5-font-size);
 }
-.markdown-body #write h6 {
+.markdown-body h6 {
   font-family: var(--heading-Latin-font), var(--h6-Chinese-font), serif;
   font-size: var(--h6-font-size);
   /* 没有写错，为了避免行距太小才这么写 */
   line-height: var(--h5-font-size);
 }
-.markdown-body #write h1 {
+.markdown-body h1 {
   counter-set: heading-h2 0 heading-h3 0 heading-h4 0 heading-h5 0 heading-h6 0;
 }
-.markdown-body #write h2 {
+.markdown-body h2 {
   counter-set: heading-h3 0 heading-h4 0 heading-h5 0 heading-h6 0;
 }
-.markdown-body #write h3 {
+.markdown-body h3 {
   counter-set: heading-h4 0 heading-h5 0 heading-h6 0;
 }
-.markdown-body #write h4 {
+.markdown-body h4 {
   counter-set: heading-h5 0 heading-h6 0;
 }
-.markdown-body #write h5 {
+.markdown-body h5 {
   counter-set: heading-h6 0;
 }
-.markdown-body #write h2:before,
+.markdown-body h2:before,
 h2.md-focus.md-heading:before {
   content: counter(heading-h2);
   counter-increment: heading-h2;
   margin-right: 1.2em;
 }
 
-.markdown-body #write h3:before,
+.markdown-body h3:before,
 h3.md-focus.md-heading:before {
   content: counter(heading-h2) '.' counter(heading-h3);
   counter-increment: heading-h3;
   margin-right: 1.2em;
 }
 
-.markdown-body #write h4:before,
+.markdown-body h4:before,
 h4.md-focus.md-heading:before {
   content: counter(heading-h2) '.' counter(heading-h3) '.' counter(heading-h4);
   counter-increment: heading-h4;
   margin-right: 1.2em;
 }
 
-.markdown-body #write h5:before,
+.markdown-body h5:before,
 h5.md-focus.md-heading:before {
   content: counter(heading-h2) '.' counter(heading-h3) '.' counter(heading-h4)
     '.' counter(heading-h5);
@@ -323,7 +318,7 @@ h5.md-focus.md-heading:before {
   margin-right: 1.2em;
 }
 
-.markdown-body #write h6:before,
+.markdown-body h6:before,
 h6.md-focus.md-heading:before {
   content: counter(heading-h2) '.' counter(heading-h3) '.' counter(heading-h4)
     '.' counter(heading-h5) '.' counter(heading-h6);
@@ -443,16 +438,16 @@ h6.md-focus.md-heading:before {
 }
 
 /* 无序列表 */
-.markdown-body #write ul {
+.markdown-body ul {
   list-style: disc;
   padding-left: 2em;
 }
-.markdown-body #write ul ul {
+.markdown-body ul ul {
   /*list-style: circle;*/
   /* 请勿删除“–”后的空格, 他们对缩进有一定影响, 下同 */
   list-style: '–   ';
 }
-.markdown-body #write ul ul ul {
+.markdown-body ul ul ul {
   list-style: '◦  ';
 }
 
@@ -464,32 +459,32 @@ h6.md-focus.md-heading:before {
 }
 
 /* 有序列表 */
-.markdown-body #write ol {
+.markdown-body ol {
   list-style: decimal;
 }
-.markdown-body #write ol ol {
+.markdown-body ol ol {
   counter-reset: liist;
   list-style: none;
 }
-.markdown-body #write ol ol > li {
+.markdown-body ol ol > li {
   counter-increment: liist;
   position: relative;
 }
-.markdown-body #write ol ol > li::before {
+.markdown-body ol ol > li::before {
   content: '(' counter(liist, lower-alpha) ')';
   position: absolute;
   left: -1.8em;
 }
-.markdown-body #write ol ol ol {
+.markdown-body ol ol ol {
   counter-reset: liiist;
   list-style: none;
   margin: 0;
 }
-.markdown-body #write ol ol ol > li {
+.markdown-body ol ol ol > li {
   counter-increment: liiist;
   position: relative;
 }
-.markdown-body #write ol ol ol > li::before {
+.markdown-body ol ol ol > li::before {
   content: counter(liiist, lower-roman) '.';
   align-self: flex-end;
   position: absolute;
@@ -502,19 +497,19 @@ h6.md-focus.md-heading:before {
   text-align: right;
 }
 
-.markdown-body #write ol,
-.markdown-body #write ul {
+.markdown-body ol,
+.markdown-body ul {
   padding-inline-start: 2em;
 }
 
-.markdown-body #write li {
+.markdown-body li {
   position: relative;
 }
-.markdown-body #write li + li,
-.markdown-body #write ul + ol > li,
-.markdown-body #write ol + ul > li,
-.markdown-body #write li > ul > li,
-.markdown-body #write li > ol > li {
+.markdown-body li + li,
+.markdown-body ul + ol > li,
+.markdown-body ol + ul > li,
+.markdown-body li > ul > li,
+.markdown-body li > ol > li {
   margin-top: -0.8em;
 }
 
@@ -526,7 +521,7 @@ h6.md-focus.md-heading:before {
   height: 1em !important;
 }
 
-.markdown-body #write table {
+.markdown-body table {
   /* 三线表第一条线宽度 */
   border-top: 1.2pt solid;
   /* 三线表第二条线宽度 */
@@ -542,16 +537,22 @@ h6.md-focus.md-heading:before {
   /* 使表格默认居中；虽然这个代码不好，但好像没别的实现办法 */
   margin: 0 auto;
 }
-.markdown-body #write table td {
+.markdown-body table td {
   padding: 2px;
 }
-.markdown-body #write table tr {
+
+/* .markdown-body table th,
+.markdown-body table td {
+  padding: 6px 13px;
+  border: 1px solid #d0d7de;
+} */
+.markdown-body table tr {
   padding: 2px;
 }
-.markdown-body #write th {
+.markdown-body th {
   padding: 0px 6px;
 }
-.markdown-body #write thead {
+.markdown-body thead {
   /* 表格标题（首行）样式 */
   /* 三线表表头的线 */
   border-bottom: 0.5pt solid;
@@ -706,3 +707,13 @@ h6.md-focus.md-heading:before {
   margin-left: 7.5em;
   margin-right: 0.5em;
 }
+
+.markdown-body img {
+  border-style: none;
+  max-width: 100%;
+  box-sizing: content-box;
+  background-color: #ffffff;
+
+  /* 避免图片在导出时被断开 */
+  break-inside: avoid-page;
+}