fix(docs): 修复RocksDB存储引擎说明中的错误

src/agent-codebase-example.md

@@ -65,7 +65,7 @@ Sweep 的核心算法可以总结为以下四个主要阶段：
 2. **用户输入（User input）**。用户提供的查询。
 3. **上下文（Context）**。Cody查找并检索的附加信息，以帮助LLM提供相关答案。
 
-![Prompt Consturction](images/prompt-construction.png)
+![Prompt Construction](images/prompt-construction.png)
 
 #### 示例说明
 
@@ -86,10 +86,20 @@ Sweep 的核心算法可以总结为以下四个主要阶段：
   [Contents of sourcegraph/sourcegraph/internal/search/zoekt/query.go]
   ```
 
-这个完整的提示，包括所有三部分内容，然后被发送到LLM。LLM根据提示中包含的信息以及其基线模型中的信息进行工作。任何有关用户代码库的问题，只有在上下文（作为提示的一部分发送）提供了足够的信息时，LLM才能回答。
+这个完整的提示，包括所有三部分内容，然后被发送到 LLM。LLM 根据提示中包含的信息以及其基线模型中的信息进行工作。任何有关用户代码库的问题，
+只有在上下文（作为提示的一部分发送）提供了足够的信息时，LLM 才能回答。
 
 #### 问答示例
 
+1. **广泛的上下文检索**：对于聊天和命令，Cody 需要覆盖用户可能询问的整个代码库的广泛上下文。
+2. **Sourcegraph 代码智能平台**：Cody 利用 Sourcegraph 的平台，该平台可以索引并理解来自多个存储库（从几个到超过10万个）的代码。
+3. **搜索和上下文选择**：
+    - **用户查询处理**：当用户调用 Cody 时，可以选择最多10个存储库。Cody会预处理用户查询，将其标记化并去除多余的信息。
+    - **搜索引擎**：然后，这些标记由 Sourcegraph 的搜索引擎处理，扫描选定的存储库。
+    - **相关性排名**：Cody 使用改进的 BM25 排名函数和其他调整过的信号，根据搜索查询的相关性对文件片段进行排名。最相关的片段会被发送回Cody。
+4. **本地上下文整合**：Cody 还会整合用户 IDE 中打开文件的本地上下文，将这些与从 Sourcegraph 搜索中检索到的片段结合起来。
+5. **全局排名和提示构建**：Cody 对所有片段进行全局排名，并根据长度选择最相关的片段来构建提示的上下文。这个上下文连同用户输入一起被发送到LLM（大语言模型）以生成响应。
+
 例如，用户可能会询问：`How it auto generate test for Java?`
 
 Retrieval-based QA：
@@ -176,14 +186,14 @@ Cody在两种场景下的上下文构建方式不同，分别是聊天/命令和
 
 ##### 聊天和命令
 
-1. **广泛的上下文检索**：对于聊天和命令，Cody需要覆盖用户可能询问的整个代码库的广泛上下文。
-2. **Sourcegraph代码智能平台**：Cody利用Sourcegraph的平台，该平台可以索引并理解来自多个存储库（从几个到超过10万个）的代码。
+1. **广泛的上下文检索**：对于聊天和命令，Cody 需要覆盖用户可能询问的整个代码库的广泛上下文。
+2. **Sourcegraph 代码智能平台**：Cody 利用 Sourcegraph 的平台，该平台可以索引并理解来自多个存储库（从几个到超过10万个）的代码。
 3. **搜索和上下文选择**：
-    - **用户查询处理**：当用户调用Cody时，可以选择最多10个存储库。Cody会预处理用户查询，将其标记化并去除多余的信息。
-    - **搜索引擎**：然后，这些标记由Sourcegraph的搜索引擎处理，扫描选定的存储库。
-    - **相关性排名**：Cody使用改进的BM25排名函数和其他调整过的信号，根据搜索查询的相关性对文件片段进行排名。最相关的片段会被发送回Cody。
-4. **本地上下文整合**：Cody还会整合用户IDE中打开文件的本地上下文，将这些与从Sourcegraph搜索中检索到的片段结合起来。
-5. **全局排名和提示构建**：Cody对所有片段进行全局排名，并根据长度选择最相关的片段来构建提示的上下文。这个上下文连同用户输入一起被发送到LLM（大语言模型）以生成响应。
+    - **用户查询处理**：当用户调用 Cody 时，可以选择最多10个存储库。Cody会预处理用户查询，将其标记化并去除多余的信息。
+    - **搜索引擎**：然后，这些标记由 Sourcegraph 的搜索引擎处理，扫描选定的存储库。
+    - **相关性排名**：Cody 使用改进的 BM25 排名函数和其他调整过的信号，根据搜索查询的相关性对文件片段进行排名。最相关的片段会被发送回Cody。
+4. **本地上下文整合**：Cody 还会整合用户 IDE 中打开文件的本地上下文，将这些与从 Sourcegraph 搜索中检索到的片段结合起来。
+5. **全局排名和提示构建**：Cody 对所有片段进行全局排名，并根据长度选择最相关的片段来构建提示的上下文。这个上下文连同用户输入一起被发送到LLM（大语言模型）以生成响应。
 
 ##### 自动补全