Add the figure of assembling blocks.

Update some texts.

codes/python/chapter_searching/binary_search_edge.py

@@ -7,8 +7,7 @@ Author: Krahets (krahets@163.com)
 
 def binary_search_left_edge(nums: list[int], target: int) -> int:
     """二分查找最左一个元素"""
-    # 初始化双闭区间 [0, n-1] ，即 i, j 分别指向数组首元素、尾元素
-    i, j = 0, len(nums) - 1
+    i, j = 0, len(nums) - 1  # 初始化双闭区间 [0, n-1]
     while i <= j:
         m = (i + j) // 2  # 计算中点索引 m
         if nums[m] < target:
@@ -24,8 +23,7 @@ def binary_search_left_edge(nums: list[int], target: int) -> int:
 
 def binary_search_right_edge(nums: list[int], target: int) -> int:
     """二分查找最右一个元素"""
-    # 初始化双闭区间 [0, n-1] ，即 i, j 分别指向数组首元素、尾元素
-    i, j = 0, len(nums) - 1
+    i, j = 0, len(nums) - 1  # 初始化双闭区间 [0, n-1]
     while i <= j:
         m = (i + j) // 2  # 计算中点索引 m
         if nums[m] < target:

docs/chapter_array_and_linkedlist/summary.md

@@ -58,6 +58,8 @@
 
     不修改 `P.next` 也可以。从该链表的角度看，从头结点遍历到尾结点已经遇不到 `P` 了。这意味着结点 `P` 已经从链表中删除了，此时结点 `P` 指向哪里都不会对这条链表产生影响了。
 
+    从垃圾回收的角度看，对于 Java, Python, Go 等拥有自动垃圾回收的语言来说，节点 `P` 是否被回收取决于是否有仍存在指向它的引用，而不是 `P.next` 的值。在 C, C++ 等语言中，我们需要手动释放节点内存。
+
 !!! question "在链表中插入和删除操作的时间复杂度是 $O(1)$ 。但是增删之前都需要 $O(n)$ 查找元素，那为什么时间复杂度不是 $O(n)$ 呢？"
 
     如果是先查找元素、再删除元素，确实是 $O(n)$ 。然而，链表的 $O(1)$ 增删的优势可以在其他应用上得到体现。例如，双向队列适合使用链表实现，我们维护一个指针变量始终指向头结点、尾结点，每次插入与删除操作都是 $O(1)$ 。

docs/chapter_introduction/algorithms_are_everywhere.md

@@ -8,6 +8,8 @@
 
 从数据结构与算法的角度来看，积木的各种形状和连接方式代表数据结构，而组装说明书上的一系列步骤则是算法。
 
+![拼装积木](algorithms_are_everywhere.assets/assembling_blocks.jpg)
+
 **例二：查阅字典**。在字典里，每个汉字都对应一个拼音，而字典是按照拼音的英文字母顺序排列的。假设我们需要查找一个拼音首字母为 $r$ 的字，通常会这样操作：
 
 1. 翻开字典约一半的页数，查看该页首字母是什么（假设为 $m$ ）；

docs/chapter_sorting/heap_sort.md

@@ -2,7 +2,7 @@
 
 !!! tip
 
-    阅读本节前，请确保已完成堆章节的学习。
+    阅读本节前，请确保已学完「堆」章节。
 
 「堆排序 Heap Sort」是一种基于堆数据结构实现的高效排序算法。我们可以利用已经学过的“建堆操作”和“元素出堆操作”实现堆排序：