update MD by dispatch event pingcap/docs-cn feature/preview-top-navigation

Author: github-actions

markdown-pages/zh/tidb/release-8.5/ai/concepts/vector-search-overview.md

@@ -33,7 +33,7 @@ TiDB 引入了专为优化向量嵌入存储与搜索设计的 [向量数据类
 
 ### 嵌入模型 {#embedding-model}
 
-嵌入模型（embedding model）是一种将数据转换为 [向量嵌入](#向量嵌入) 的算法。
+嵌入模型（embedding model）是一种将数据转换为 [向量嵌入](#vector-embedding) 的算法。
 
 选择合适的嵌入模型对于确保语义搜索结果的准确性和相关性至关重要。对于非结构化文本数据，你可以在 [Massive Text Embedding Benchmark (MTEB) Leaderboard](https://huggingface.co/spaces/mteb/leaderboard) 上查找表现优异的文本嵌入模型。
 

markdown-pages/zh/tidb/release-8.5/ai/reference/vector-search-index.md

@@ -70,7 +70,7 @@ aliases: ['/zh/tidb/stable/vector-search-index/','/zh/tidb/dev/vector-search-ind
 
 向量索引只能创建在定长向量列上，例如定义为 `VECTOR(3)` 的列。不能为非定长向量列（如定义为 `VECTOR` 的列）创建索引，因为只有维度相同的向量之间才能计算距离。
 
-关于向量搜索索引的限制，详见 [限制](#限制)。
+关于向量搜索索引的限制，详见 [限制](#restrictions)。
 
 ## 使用向量索引
 

markdown-pages/zh/tidb/release-8.5/develop/dev-guide-optimize-sql.md

@@ -10,13 +10,13 @@ aliases: ['/zh/tidb/stable/dev-guide-optimize-sql/','/zh/tidb/dev/dev-guide-opti
 
 ## 准备工作
 
-在开始之前，你可以[通过 `tiup demo` 命令导入](/develop/dev-guide-bookshop-schema-design.md#方法一通过-tiup-demo-命令行)示例数据：
+在开始之前，你可以[通过 `tiup demo` 命令导入](/develop/dev-guide-bookshop-schema-design.md#本地部署的-tidb通过-tiup-demo-命令行)示例数据：
 
 ```shell
 tiup demo bookshop prepare --books 1000000 --host 127.0.0.1 --port 4000
 ```
 
-或[使用 TiDB Cloud 的 Import 功能导入](/develop/dev-guide-bookshop-schema-design.md#方法二通过-tidb-cloud-import-功能)预先准备好的示例数据。
+或[使用 TiDB Cloud 的 Import 功能导入](/develop/dev-guide-bookshop-schema-design.md#tidb-cloud通过-import-功能)预先准备好的示例数据。
 
 ## 问题：全表扫描