diff --git a/docs/chapter_data_structure/data_and_memory.md b/docs/chapter_data_structure/data_and_memory.md
index 43cdbefe..e5aaba96 100644
--- a/docs/chapter_data_structure/data_and_memory.md
+++ b/docs/chapter_data_structure/data_and_memory.md
@@ -32,7 +32,7 @@ comments: true
| 浮点数 | **float** | 4 bytes | $-3.4 \times 10^{38}$ ~ $3.4 \times 10^{38}$ | $0.0$ f |
| | double | 8 bytes | $-1.7 \times 10^{308}$ ~ $1.7 \times 10^{308}$ | $0.0$ |
| 字符 | **char** | 2 bytes / 1 byte | $0$ ~ $2^{16} - 1$ | $0$ |
-| 布尔 | **boolean(bool)** | 1 byte / 1 bit | $\text{true}$ 或 $\text{false}$ | $\text{false}$ |
+| 布尔 | **bool** | 1 byte / 1 bit | $\text{true}$ 或 $\text{false}$ | $\text{false}$ |
diff --git a/docs/chapter_graph/graph_traversal.md b/docs/chapter_graph/graph_traversal.md
index 3af3d720..e9d4012b 100644
--- a/docs/chapter_graph/graph_traversal.md
+++ b/docs/chapter_graph/graph_traversal.md
@@ -90,37 +90,37 @@ BFS 常借助「队列」来实现。队列具有“先入先出”的性质，
代码相对抽象，建议对照以下动画图示来加深理解。
-=== "Step 1"
+=== "<1>"
-=== "Step 2"
+=== "<2>"
-=== "Step 3"
+=== "<3>"
-=== "Step 4"
+=== "<4>"
-=== "Step 5"
+=== "<5>"
-=== "Step 6"
+=== "<6>"
-=== "Step 7"
+=== "<7>"
-=== "Step 8"
+=== "<8>"
-=== "Step 9"
+=== "<9>"
-=== "Step 10"
+=== "<10>"
-=== "Step 11"
+=== "<11>"
!!! question "广度优先遍历的序列是否唯一？"
@@ -212,37 +212,37 @@ BFS 常借助「队列」来实现。队列具有“先入先出”的性质，
为了加深理解，请你将图示与代码结合起来，在脑中（或者用笔画下来）模拟整个 DFS 过程，包括每个递归方法何时开启、何时返回。
-=== "Step 1"
+=== "<1>"
-=== "Step 2"
+=== "<2>"
-=== "Step 3"
+=== "<3>"
-=== "Step 4"
+=== "<4>"
-=== "Step 5"
+=== "<5>"
-=== "Step 6"
+=== "<6>"
-=== "Step 7"
+=== "<7>"
-=== "Step 8"
+=== "<8>"
-=== "Step 9"
+=== "<9>"
-=== "Step 10"
+=== "<10>"
-=== "Step 11"
+=== "<11>"
!!! question "深度优先遍历的序列是否唯一？"
diff --git a/docs/chapter_heap/heap.md b/docs/chapter_heap/heap.md
index ed7dbaac..ea805e3a 100644
--- a/docs/chapter_heap/heap.md
+++ b/docs/chapter_heap/heap.md
@@ -454,22 +454,22 @@ comments: true
考虑从入堆结点开始，**从底至顶执行堆化**。具体地，比较插入结点与其父结点的值，若插入结点更大则将它们交换；并循环以上操作，从底至顶地修复堆中的各个结点；直至越过根结点时结束，或当遇到无需交换的结点时提前结束。
-=== "Step 1"
+=== "<1>"
-=== "Step 2"
+=== "<2>"
-=== "Step 3"
+=== "<3>"
-=== "Step 4"
+=== "<4>"
-=== "Step 5"
+=== "<5>"
-=== "Step 6"
+=== "<6>"
设结点总数为 $n$ ，则树的高度为 $O(\log n)$ ，易得堆化操作的循环轮数最多为 $O(\log n)$ ，**因而元素入堆操作的时间复杂度为 $O(\log n)$** 。
@@ -562,34 +562,34 @@ comments: true
顾名思义，**从顶至底堆化的操作方向与从底至顶堆化相反**，我们比较根结点的值与其两个子结点的值，将最大的子结点与根结点执行交换，并循环以上操作，直到越过叶结点时结束，或当遇到无需交换的结点时提前结束。
-=== "Step 1"
+=== "<1>"
-=== "Step 2"
+=== "<2>"
-=== "Step 3"
+=== "<3>"
-=== "Step 4"
+=== "<4>"
-=== "Step 5"
+=== "<5>"
-=== "Step 6"
+=== "<6>"
-=== "Step 7"
+=== "<7>"
-=== "Step 8"
+=== "<8>"
-=== "Step 9"
+=== "<9>"
-=== "Step 10"
+=== "<10>"
与元素入堆操作类似，**堆顶元素出堆操作的时间复杂度为 $O(\log n)$** 。
diff --git a/docs/chapter_introduction/algorithms_are_everywhere.md b/docs/chapter_introduction/algorithms_are_everywhere.md
index 5d80f9c9..491dce97 100644
--- a/docs/chapter_introduction/algorithms_are_everywhere.md
+++ b/docs/chapter_introduction/algorithms_are_everywhere.md
@@ -18,15 +18,15 @@ comments: true
2. 由于在英文字母表中 $r$ 在 $m$ 的后面，因此应排除字典前半部分，查找范围仅剩后半部分；
3. 循环执行步骤 1-2 ，直到找到拼音首字母为 $r$ 的页码时终止。
-=== "Step 1"
+=== "<1>"
-=== "Step 2"
+=== "<2>"
-=== "Step 3"
+=== "<3>"
-=== "Step 4"
+=== "<4>"
-=== "Step 5"
+=== "<5>"
查字典这个小学生的标配技能，实际上就是大名鼎鼎的「二分查找」。从数据结构角度，我们可以将字典看作是一个已排序的「数组」；而从算法角度，我们可将上述查字典的一系列指令看作是「二分查找」算法。
diff --git a/docs/chapter_searching/binary_search.md b/docs/chapter_searching/binary_search.md
index 652ca629..1b489d74 100755
--- a/docs/chapter_searching/binary_search.md
+++ b/docs/chapter_searching/binary_search.md
@@ -28,25 +28,25 @@ $$
首先，我们先采用“双闭区间”的表示，在数组 `nums` 中查找目标元素 `target` 的对应索引。
-=== "Step 1"
+=== "<1>"
-=== "Step 2"
+=== "<2>"
-=== "Step 3"
+=== "<3>"
-=== "Step 4"
+=== "<4>"
-=== "Step 5"
+=== "<5>"
-=== "Step 6"
+=== "<6>"
-=== "Step 7"
+=== "<7>"
二分查找“双闭区间”表示下的代码如下所示。
diff --git a/docs/chapter_sorting/bubble_sort.md b/docs/chapter_sorting/bubble_sort.md
index b2c396d2..79861d62 100755
--- a/docs/chapter_sorting/bubble_sort.md
+++ b/docs/chapter_sorting/bubble_sort.md
@@ -14,25 +14,25 @@ comments: true
完成此次冒泡操作后，**数组最大元素已在正确位置，接下来只需排序剩余 $n - 1$ 个元素**。
-=== "Step 1"
+=== "<1>"
-=== "Step 2"
+=== "<2>"
-=== "Step 3"
+=== "<3>"
-=== "Step 4"
+=== "<4>"
-=== "Step 5"
+=== "<5>"
-=== "Step 6"
+=== "<6>"
-=== "Step 7"
+=== "<7>"
Fig. 冒泡操作
diff --git a/docs/chapter_sorting/merge_sort.md b/docs/chapter_sorting/merge_sort.md
index 82d2fd84..9933896f 100755
--- a/docs/chapter_sorting/merge_sort.md
+++ b/docs/chapter_sorting/merge_sort.md
@@ -24,34 +24,34 @@ comments: true
需要注意，由于从长度为 1 的子数组开始合并，所以 **每个子数组都是有序的**。因此，合并任务本质是要 **将两个有序子数组合并为一个有序数组**。
-=== "Step1"
+=== "<1>"
-=== "Step2"
+=== "<2>"
-=== "Step3"
+=== "<3>"
-=== "Step4"
+=== "<4>"
-=== "Step5"
+=== "<5>"
-=== "Step6"
+=== "<6>"
-=== "Step7"
+=== "<7>"
-=== "Step8"
+=== "<8>"
-=== "Step9"
+=== "<9>"
-=== "Step10"
+=== "<10>"
观察发现，归并排序的递归顺序就是二叉树的「后序遍历」。
diff --git a/docs/chapter_sorting/quick_sort.md b/docs/chapter_sorting/quick_sort.md
index 42e8e441..9b1200a0 100755
--- a/docs/chapter_sorting/quick_sort.md
+++ b/docs/chapter_sorting/quick_sort.md
@@ -14,31 +14,31 @@ comments: true
「哨兵划分」执行完毕后，原数组被划分成两个部分，即 **左子数组** 和 **右子数组**，且满足 **左子数组任意元素 < 基准数 < 右子数组任意元素**。因此，接下来我们只需要排序两个子数组即可。
-=== "Step 1"
+=== "<1>"
-=== "Step 2"
+=== "<2>"
-=== "Step 3"
+=== "<3>"
-=== "Step 4"
+=== "<4>"
-=== "Step 5"
+=== "<5>"
-=== "Step 6"
+=== "<6>"
-=== "Step 7"
+=== "<7>"
-=== "Step 8"
+=== "<8>"
-=== "Step 9"
+=== "<9>"
Fig. 哨兵划分
diff --git a/docs/chapter_tree/avl_tree.md b/docs/chapter_tree/avl_tree.md
index 41a35ba7..34b68176 100644
--- a/docs/chapter_tree/avl_tree.md
+++ b/docs/chapter_tree/avl_tree.md
@@ -313,16 +313,16 @@ AVL 树的独特之处在于「旋转 Rotation」的操作，其可 **在不影
如下图所示（结点下方为「平衡因子」），从底至顶看，二叉树中首个失衡结点是 **结点 3**。我们聚焦在以该失衡结点为根结点的子树上，将该结点记为 `node` ，将其左子结点记为 `child` ，执行「右旋」操作。完成右旋后，该子树已经恢复平衡，并且仍然为二叉搜索树。
-=== "Step 1"
+=== "<1>"
-=== "Step 2"
+=== "<2>"
-=== "Step 3"
+=== "<3>"
-=== "Step 4"
+=== "<4>"
进而，如果结点 `child` 本身有右子结点（记为 `grandChild` ），则需要在「右旋」中添加一步：将 `grandChild` 作为 `node` 的左子结点。
diff --git a/docs/chapter_tree/binary_search_tree.md b/docs/chapter_tree/binary_search_tree.md
index e17daee0..dcfcbb35 100755
--- a/docs/chapter_tree/binary_search_tree.md
+++ b/docs/chapter_tree/binary_search_tree.md
@@ -21,16 +21,16 @@ comments: true
- 若 `cur.val > num` ，说明目标结点在 `cur` 的左子树中，因此执行 `cur = cur.left` ；
- 若 `cur.val = num` ，说明找到目标结点，跳出循环并返回该结点即可；
-=== "Step 1"
+=== "<1>"
-=== "Step 2"
+=== "<2>"
-=== "Step 3"
+=== "<3>"
-=== "Step 4"
+=== "<4>"
二叉搜索树的查找操作和二分查找算法如出一辙，也是在每轮排除一半情况。循环次数最多为二叉树的高度，当二叉树平衡时，使用 $O(\log n)$ 时间。
@@ -188,16 +188,16 @@ comments: true
2. 在树中递归删除结点 `nex` ；
3. 使用 `nex` 替换待删除结点；
-=== "Step 1"
+=== "<1>"
-=== "Step 2"
+=== "<2>"
-=== "Step 3"
+=== "<3>"
-=== "Step 4"
+=== "<4>"
删除结点操作也使用 $O(\log n)$ 时间，其中查找待删除结点 $O(\log n)$ ，获取中序遍历后继结点 $O(\log n)$ 。