diff --git a/codes/cpp/chapter_sorting/selection_sort.cpp b/codes/cpp/chapter_sorting/selection_sort.cpp
index a5d2e8950..478f626c0 100644
--- a/codes/cpp/chapter_sorting/selection_sort.cpp
+++ b/codes/cpp/chapter_sorting/selection_sort.cpp
@@ -11,12 +11,11 @@ void selectionSort(vector<int> &nums) {
     int n = nums.size();
     // 外循环：未排序区间为 [i, n-1]
     for (int i = 0; i < n - 1; i++) {
-        // 内循环：找到未排序区间 [i, n-1] 中的最小元素
+        // 内循环：找到未排序区间内的最小元素
         int k = i;
         for (int j = i + 1; j < n; j++) {
-            if (nums[j] < nums[k]) {
-                k = j; // 更新最小元素
-            }
+            if (nums[j] < nums[k])
+                k = j; // 记录最小元素的索引
         }
         // 将该最小元素与未排序区间的首个元素交换
         swap(nums[i], nums[k]);
diff --git a/codes/java/chapter_sorting/selection_sort.java b/codes/java/chapter_sorting/selection_sort.java
index be20efe82..bf3a5ec56 100644
--- a/codes/java/chapter_sorting/selection_sort.java
+++ b/codes/java/chapter_sorting/selection_sort.java
@@ -14,12 +14,11 @@ public class selection_sort {
         int n = nums.length;
         // 外循环：未排序区间为 [i, n-1]
         for (int i = 0; i < n - 1; i++) {
-            // 内循环：找到未排序区间 [i, n-1] 中的最小元素
+            // 内循环：找到未排序区间内的最小元素
             int k = i;
             for (int j = i + 1; j < n; j++) {
-                if (nums[j] < nums[k]) {
-                    k = j; // 更新最小元素
-                }
+                if (nums[j] < nums[k])
+                    k = j; // 记录最小元素的索引
             }
             // 将该最小元素与未排序区间的首个元素交换
             int temp = nums[i];
diff --git a/codes/python/chapter_sorting/selection_sort.py b/codes/python/chapter_sorting/selection_sort.py
index 3f0b038fb..f4f806168 100644
--- a/codes/python/chapter_sorting/selection_sort.py
+++ b/codes/python/chapter_sorting/selection_sort.py
@@ -10,11 +10,11 @@ def selection_sort(nums: list[int]):
     n = len(nums)
     # 外循环：未排序区间为 [i, n-1]
     for i in range(n - 1):
-        # 内循环：找到未排序区间 [i, n-1] 中的最小元素
+        # 内循环：找到未排序区间内的最小元素
         k = i
         for j in range(i + 1, n):
             if nums[j] < nums[k]:
-                k = j  # 更新最小元素
+                k = j  # 记录最小元素的索引
         # 将该最小元素与未排序区间的首个元素交换
         nums[i], nums[k] = nums[k], nums[i]
 
diff --git a/docs/chapter_searching/searching_algorithm_revisited.md b/docs/chapter_searching/searching_algorithm_revisited.md
index 25edf1510..42d409b47 100644
--- a/docs/chapter_searching/searching_algorithm_revisited.md
+++ b/docs/chapter_searching/searching_algorithm_revisited.md
@@ -2,7 +2,12 @@
 
 「搜索算法 Searching Algorithm」用于在数据结构（例如数组、链表、树或图）中搜索一个或一组满足特定条件的元素。
 
-在前面的章节中，我们已经学习了数组、链表、树和图的遍历方法，也了解过哈希表和二叉搜索树等具有查询功能的复杂数据结构。因此，搜索算法对于我们来说并不陌生。在本节，我们将从更加系统的视角切入，重新审视搜索算法。
+根据实现思路，搜索算法总体可分为两种：
+
+- **通过遍历数据结构来定位目标元素**，例如数组、链表、树和图的遍历等。
+- **利用数据组织结构或数据包含的先验信息，实现高效元素查找**，例如二分查找、哈希查找和二叉搜索树查找等。
+
+不难发现，我们已经在前面的章节中学习过上述知识，因此搜索算法对于我们来说并不陌生。在本节中，我们将从更加系统的视角切入，重新审视搜索算法。
 
 ## 暴力搜索
 
diff --git a/docs/chapter_sorting/selection_sort.md b/docs/chapter_sorting/selection_sort.md
index a7e1dff44..995c76dab 100644
--- a/docs/chapter_sorting/selection_sort.md
+++ b/docs/chapter_sorting/selection_sort.md
@@ -1,6 +1,8 @@
 # 选择排序
 
-「选择排序 Insertion Sort」的工作原理非常直接：开启一个循环，每轮从未排序区间选择最小的元素，将其放到已排序区间的末尾。完整步骤如下：
+「选择排序 Insertion Sort」的工作原理非常直接：开启一个循环，每轮从未排序区间选择最小的元素，将其放到已排序区间的末尾。
+
+选择排序的算法流程如下：
 
 1. 初始状态下，所有元素未排序，即未排序（索引）区间为 $[0, n-1]$ 。
 2. 选取区间 $[0, n-1]$ 中的最小元素，将其与索引 $0$ 处元素交换。完成后，数组前 1 个元素已排序。