chore: lint text and auto correct

.github/workflows/CDN-URL.yaml

@@ -11,7 +11,7 @@ jobs:
     runs-on: ubuntu-latest
 
     steps:
-      - uses: actions/checkout@v5
+      - uses: actions/checkout@v4
 
       - name: Find and Replace Release
         uses: jacobtomlinson/gha-find-replace@2.0.0

.github/workflows/azure-static-web-apps-nice-glacier-095b09e00.yml

@@ -15,7 +15,7 @@ jobs:
     runs-on: ubuntu-latest
     name: Build and Deploy Job
     steps:
-      - uses: actions/checkout@v5
+      - uses: actions/checkout@v4
         with:
           submodules: true
       - name: Build And Deploy

.github/workflows/gh-pages.yml

@@ -37,7 +37,7 @@ jobs:
           wget -O ${{ runner.temp }}/hugo.deb https://github.com/gohugoio/hugo/releases/download/v${HUGO_VERSION}/hugo_extended_${HUGO_VERSION}_Linux-64bit.deb \
           && sudo dpkg -i ${{ runner.temp }}/hugo.deb
       - name: Checkout
-        uses: actions/checkout@v5
+        uses: actions/checkout@v4
         with:
           submodules: recursive
       - name: Setup Pages

.github/workflows/text-lint.yml

@@ -11,7 +11,7 @@ jobs:
     runs-on: ubuntu-latest
 
     steps:
-      - uses: actions/checkout@v5
+      - uses: actions/checkout@v4
 
       - name: huacnlee.autocorrect
         uses: huacnlee/autocorrect-action@v2.10.0

content/posts/LLM Agent is All You Need - 当我用大模型助手来指导我完成MVP产品 - 「Colin's Weekend Project」.md

@@ -35,11 +35,11 @@ tags:
 一开始，我是打算接住 LLM 让我快速了解产品相关的知识。但是突然觉得，既然都用 AI 了，为什么还在遵循原有的路径，一步步自己学习、理解然后教 AI 做事呢？换个思路，我只要提供需求，AI 来拆解任务。
 
 于是
-![image|476x415](https://blog-1301127393.file.myqcloud.com/BlogImgs/202509172249632.png)
+![image|476x415](https://blog-1301127393.cos.ap-shanghai.myqcloud.com/BlogImgs/202509172249632.png)
 
-![image-1|700x472](https://blog-1301127393.file.myqcloud.com/BlogImgs/202509172249633.png)
+![image-1|700x472](https://blog-1301127393.cos.ap-shanghai.myqcloud.com/BlogImgs/202509172249633.png)
 
-![image-2|700x472](https://blog-1301127393.file.myqcloud.com/BlogImgs/202509172249634.png)
+![image-2|700x472](https://blog-1301127393.cos.ap-shanghai.myqcloud.com/BlogImgs/202509172249634.png)
 
 利用 AI 生成一套提示词，来指导我如果分析我的需求、拆解任务
 
@@ -86,18 +86,18 @@ tags:
 
 最后简要看下最终的成果吧
 
-![image-3](https://blog-1301127393.file.myqcloud.com/BlogImgs/202509172249635.png)
+![image-3](https://blog-1301127393.cos.ap-shanghai.myqcloud.com/BlogImgs/202509172249635.png)
 
-![image-4](https://blog-1301127393.file.myqcloud.com/BlogImgs/202509172249636.png)
+![image-4](https://blog-1301127393.cos.ap-shanghai.myqcloud.com/BlogImgs/202509172249636.png)
 
 后台数据：
-![image-5](https://blog-1301127393.file.myqcloud.com/BlogImgs/202509172249637.png)
+![image-5](https://blog-1301127393.cos.ap-shanghai.myqcloud.com/BlogImgs/202509172249637.png)
 
 ## 埋点上报与用户行为分析
 
 之前做的都是玩具项目和公司内部平台，没怎么接触过 C 端用户行为分析。这块确实还是个挺陌生的领域。不过好在我们有万能的 AI. 在经过埋点需求分析、技术方案对比、任务拆解之后，最后采用了 Umami 平台来进行上报，并简单配置了下指标用于计算用户停留，辅助验证我们关于用户痛点的假设
 
-![image-6|0x0](https://blog-1301127393.file.myqcloud.com/BlogImgs/202509172249639.png)
+![image-6|0x0](https://blog-1301127393.cos.ap-shanghai.myqcloud.com/BlogImgs/202509172249639.png)
 
 跟 MVP 导师沟通的时候，确定了验证假设的方式为：衡量用户是否点击「查看详情」按钮
 
@@ -106,7 +106,7 @@ tags:
 
 为了方便统计，借助 umaimi 的统计功能快速实现，我只需要统计有多少比例的用户至少点击了一次「了解详情」. 具体到代码实现上，就是在「点击详情」按钮添加一个上报，上报内容包括用户的 session id, 后面在 umaimi 统计一段时间内，按钮点击事件里面，有多少独立的 session id 处以总的 uv 就可以。
 
-![image-7](https://blog-1301127393.file.myqcloud.com/BlogImgs/202509172249640.png)
+![image-7](https://blog-1301127393.cos.ap-shanghai.myqcloud.com/BlogImgs/202509172249640.png)
 
 ## 投放
 
@@ -116,7 +116,7 @@ tags:
 
 尝试做了几个图投放到小红书，放几个示例图
 
-![image-8](https://blog-1301127393.file.myqcloud.com/BlogImgs/202509172249641.png)
+![image-8](https://blog-1301127393.cos.ap-shanghai.myqcloud.com/BlogImgs/202509172249641.png)
 
 用的搞定设计的模版调整了下，插图是用 Gemini, 效果还可以，能很好地遵循用户指令，不过美学方面跟 MidJourney 那些还是差了一截，毕竟人家专攻的方向。提示词里面限制好风格的话出图效果还是可以的，这里后续如果有必要的话，其实也可以 AI 批量生产插图。