diff --git a/hh.py b/hh.py
index d423b34..5fb5578 100644
--- a/hh.py
+++ b/hh.py
@@ -1,64 +1,128 @@
-# 文本在计算机中的存储方式
-text = "Hello"
+# 实际演示：查看字符的编码值
 
-# 如果我们看它的"数字形式"：
-print([ord(c) for c in text])
-# 输出: [72, 101, 108, 108, 111]
-# 72='H', 101='e', 108='l', 111='o'
+# 英文例子
+text_en = "Hello"
+print("=" * 50)
+print("英文文本的字符编码")
+print("=" * 50)
+print(f"文本: {text_en}")
+print(f"每个字符的ASCII码: {[ord(c) for c in text_en]}")
+print()
+
+# 逐个显示
+for c in text_en:
+    print(f"  '{c}' -> {ord(c)}")
+
+print()
+print("=" * 50)
+print("中文文本的字符编码")
+print("=" * 50)
 
 # 中文例子
 text_cn = "你好"
-print([ord(c) for c in text_cn])
-# 输出: [20320, 22909]
-# 20320='你', 22909='好'
+print(f"文本: {text_cn}")
+print(f"每个字符的UTF-8编码值: {[ord(c) for c in text_cn]}")
+print()
+
+# 逐个显示
+for c in text_cn:
+    print(f"  '{c}' -> {ord(c)}")
+    # 用chr()函数反向验证：数字编码转字符
+print("验证：数字编码转字符")
+print()
+
+# 65是大写字母A
+print(f"chr(65) = '{chr(65)}'  # 应该是大写字母 A")
+
+# 97是小写字母a
+print(f"chr(97) = '{chr(97)}'  # 应该是小写字母 a")
+
+# 20013是中文"中"
+print(f"chr(20013) = '{chr(20013)}'  # 应该是中文'中'")
+
+# 25991是中文"文"
+print(f"chr(25991) = '{chr(25991)}'  # 应该是中文'文'")
+print("=" * 50)
+print("练习题1答案")
+print("=" * 50)
+
+# 1. 用 ord() 函数打印 "Hello" 每个字符的ASCII码
+print("1. 'Hello' 的ASCII码:")
+print([ord(c) for c in "Hello"])
+
+# 2. 验证字符65对应大写字母A
+print()
+print("2. 验证 chr(65):")
+print(f"chr(65) = '{chr(65)}'")
+
+# 验证范围
+print()
+print("验证 A-Z 的ASCII码范围 (65-90):")
+print([chr(i) for i in range(65, 91)])
 import numpy as np
 
-# 一维向量
-v1 = np.array([3])          # 只有1个数字
-print(f"v1 = {v1}")
+print("=" * 50)
+print("NumPy向量创建演示")
+print("=" * 50)
 
-# 二维向量
-v2 = np.array([2, 3])       # 2个数字，表示平面上的一个点
-print(f"v2 = {v2}")
+# 一维向量（只有1个数字）
+v1 = np.array([3])
+print(f"一维向量 v1 = {v1}")
+print(f"v1 有 {len(v1)} 个元素")
 
-# 三维向量
-v3 = np.array([1, 2, 3])    # 3个数字，表示立体空间的一个点
-print(f"v3 = {v3}")
+# 二维向量（2个数字，表示平面上的一个点）
+v2 = np.array([2, 3])
+print(f"\n二维向量 v2 = {v2}")
+print(f"v2 有 {len(v2)} 个元素")
 
-# 更多维向量（机器学习中常用）
-v100 = np.array([0.1, 0.5, -0.3, 0.8, ...])  # 100维！
-print(f"v100有 {len(v100)} 个元素")
+# 三维向量（3个数字，表示立体空间的一个点）
+v3 = np.array([1, 2, 3])
+print(f"\n三维向量 v3 = {v3}")
+print(f"v3 有 {len(v3)} 个元素")
+
+# 高维向量（机器学习中常用，几十维到几千维）
+v10 = np.array([0.1, 0.5, -0.3, 0.8, 0.2, -0.1, 0.7, 0.3, -0.2, 0.6])
+print(f"\n10维向量 v10 = {v10}")
+print(f"v10 有 {len(v10)} 个元素")
 import numpy as np
+import matplotlib.pyplot as plt
 
-# 向量加法：对应位置相加
-a = np.array([1, 2, 3])
-b = np.array([4, 5, 6])
-c = a + b  # [1+4, 2+5, 3+6] = [5, 7, 9]
+# 设置中文字体（如果系统有的话）
+try:
+    plt.rcParams['font.sans-serif'] = ['SimHei', 'Noto Sans CJK SC', 'WenQuanYi Micro Hei']
+    plt.rcParams['axes.unicode_minus'] = False
+except:
+    pass  # 如果没有中文字体就用默认
 
-print(f"a + b = {c}")  # [5, 7, 9]
+# 创建画布
+fig, ax = plt.subplots(figsize=(8, 8))
 
-# 直观理解：
-# a = [1, 2, 3] 从原点出发走1步、再走2步、再走3步
-# b = [4, 5, 6] 从原点出发走4步、再走5步、再走6步
-# a + b = 从原点走完a再走b = [5, 7, 9]
-# 向量乘以一个数字（标量）
-v = np.array([1, 2, 3])
-result = v * 2  # [1*2, 2*2, 3*2] = [2, 4, 6]
+# 定义向量
+vectors = {
+    'A = [2, 3]': np.array([2, 3]),
+    'B = [4, 1]': np.array([4, 1]),
+    'C = [1, 1]': np.array([1, 1]),
+}
 
-print(f"v * 2 = {result}")  # [2, 4, 6]
+# 画每个向量
+colors = ['red', 'blue', 'green']
+for (name, vec), color in zip(vectors.items(), colors):
+    ax.annotate('', xy=vec, xytext=(0, 0),
+                arrowprops=dict(arrowstyle='->', color=color, lw=2))
+    ax.text(vec[0]+0.1, vec[1]+0.1, name, fontsize=12, color=color)
 
-# 直观理解：
-# v = [1, 2, 3] 表示"方向"
-# v * 2 = [2, 4, 6] 方向不变，长度变成2倍
-# 两个向量对应位置相乘，然后加起来
-a = np.array([1, 2, 3])
-b = np.array([4, 5, 6])
+# 画坐标系
+ax.axhline(y=0, color='black', linewidth=0.5)
+ax.axvline(x=0, color='black', linewidth=0.5)
 
-# 点积计算过程：
-# 1*4 + 2*5 + 3*6 = 4 + 10 + 18 = 32
+# 设置范围
+ax.set_xlim(-0.5, 5.5)
+ax.set_ylim(-0.5, 4)
+ax.set_xlabel('x (abscissa)', fontsize=12)
+ax.set_ylabel('y (ordinate)', fontsize=12)
+ax.set_title('2D Vector Visualization', fontsize=14)
+ax.grid(True, alpha=0.3)
+ax.set_aspect('equal')
 
-dot = np.dot(a, b)
-print(f"点积 = {dot}")  # 32
-
-# 或者用 @ 运算符
-print(f"a @ b = {a @ b}")  # 32
+plt.show()
+print("Note: Arrows represent vectors. Endpoint of arrow = vector endpoint")
\ No newline at end of file