diff --git a/docs/zh/06-advanced/06-TDgpt/03-preprocess.md b/docs/zh/06-advanced/06-TDgpt/03-preprocess.md
index 60ca4eb6c1..62646f6ce0 100644
--- a/docs/zh/06-advanced/06-TDgpt/03-preprocess.md
+++ b/docs/zh/06-advanced/06-TDgpt/03-preprocess.md
@@ -6,6 +6,7 @@ sidebar_label: "数据分析预处理"
 ## 时序数据分析功能
 
 在针对时序数据进行高级分析之前，首先进行数据的白噪声检查（White Noise Data check, WND）。白噪声时序数据可以简单地认为是随机数构成的时序数据序列，这种类型的序列没有分析的价值，因此会直接返回空的结果。整体的流程如下图所示。
+
 <img src="./pic/activity.png" width="560" alt="流程图" />
 
 ### 白噪声检查
diff --git a/docs/zh/06-advanced/06-TDgpt/05-anomaly-detection/intro.md b/docs/zh/06-advanced/06-TDgpt/05-anomaly-detection/intro.md
index a9855ad143..b29e9a320e 100644
--- a/docs/zh/06-advanced/06-TDgpt/05-anomaly-detection/intro.md
+++ b/docs/zh/06-advanced/06-TDgpt/05-anomaly-detection/intro.md
@@ -8,7 +8,7 @@ description: 异常检测算法
 异常检测生成的异常窗口受检测算法和算法参数的共同影响，对于异常窗口范围内的数据，可以应用 TDengine 提供的聚合和标量函数进行查询或变换处理。
 对于输入时间序列 (1, 20), (2, 22), (3, 91), (4, 120), (5, 18), (6, 19)。系统检测到 (3, 91), (4, 120) 为异常点，那么返回的异常窗口是闭区间 [3, 4]。
 
-<img src="./pic/anomaly-detection.png" width="560" alt="异常检测" />
+<img src="../pic/anomaly-detection.png" width="560" alt="异常检测" />
 
 ##### 语法