style: 运行 prettier 格式化文档

Author: Snailclimb

docs/ai/agent/agent-memory.md

@@ -402,11 +402,11 @@ paths:
 
 **Auto Memory（自动积累）**：Claude 根据对话自动写入的笔记，包括调试模式、代码习惯、工作流偏好。它存在 `~/.claude/projects/<project>/memory/` 目录下，`MEMORY.md` 是入口文件，细节笔记在子文件中。
 
-> ⚠️ **使用注意**：
->
-> 1. **MEMORY.md 加载限制**：仅加载前 200 行或 25KB 的内容，超出部分不会被读取。Claude 会将详细内容拆分到 Topic 文件中。
-> 2. **退化问题**：经过 20-30 个会话后，Auto Memory 笔记质量可能下降（矛盾条目、过时信息累积）。社区有 dream-skill 等工具可执行记忆整合（4 阶段：Orient → Gather Signal → Consolidate → Prune），但这非官方正式功能。
-> 3. **禁用方式**：除了 `/memory` 切换和 `autoMemoryEnabled` 配置，还可通过环境变量 `CLAUDE_CODE_DISABLE_AUTO_MEMORY=1` 禁用。**CI/CD 场景推荐使用此方式**，因为自动化管线不需要 Claude 积累构建环境的笔记。
+⚠️ **使用注意**：
+
+1.  **MEMORY.md 加载限制**：仅加载前 200 行或 25KB 的内容，超出部分不会被读取。Claude 会将详细内容拆分到 Topic 文件中。
+2.  **退化问题**：经过 20-30 个会话后，Auto Memory 笔记质量可能下降（矛盾条目、过时信息累积）。社区有 dream-skill 等工具可执行记忆整合（4 阶段：Orient → Gather Signal → Consolidate → Prune），但这非官方正式功能。
+3.  **禁用方式**：除了 `/memory` 切换和 `autoMemoryEnabled` 配置，还可通过环境变量 `CLAUDE_CODE_DISABLE_AUTO_MEMORY=1` 禁用。**CI/CD 场景推荐使用此方式**，因为自动化管线不需要 Claude 积累构建环境的笔记。
 
 注意：Auto Memory 需要 Claude Code v2.1.59+，默认开启。
 

docs/ai/rag/rag-basis.md

@@ -82,7 +82,7 @@ RAG（检索增强生成）最适合用在 **“答案依赖外部资料、且
 | 适用场景      | 编号/标题/关键词检索、找模板、找制度原文 | 客服解答、技术排障、制度解读、跨文档总结对比     |
 | 最佳实践      | ES/BM25 + 权限过滤                       | 混合检索 + 重排 + 引用溯源 + 权限过滤 + 评测闭环 |
 
-## RAG 工作原理
+## ⭐️RAG 工作原理
 
 RAG 的工程链路通常分为两个阶段：**离线索引阶段**，以及在线的**检索增强生成阶段**。
 
@@ -158,7 +158,7 @@ flowchart LR
     linkStyle default stroke-width:2px,stroke:#333333,opacity:0.8
 ```
 
-## Embedding 是什么？
+## ⭐️Embedding 是什么？
 
 Embedding 可以理解为“把文本变成一串数字”。更准确地说，它会把文本映射到一个高维稠密向量空间里，让语义相近的文本在向量空间中距离更近。
 

docs/ai/rag/rag-vector-store.md

@@ -27,7 +27,7 @@ head:
 9. ⭐️ 你为什么选择 PostgreSQL + pgvector？
 10. 为什么不选择 MySQL 搭配向量数据库呢？
 
-## 先搞懂：Embedding 和向量检索是什么关系？
+## Embedding 和向量检索是什么关系？
 
 向量数据库不是直接理解文本，而是存储和检索 Embedding。