diff --git a/problems/0123.买卖股票的最佳时机III.md b/problems/0123.买卖股票的最佳时机III.md
index 611bd2ce..d480da83 100644
--- a/problems/0123.买卖股票的最佳时机III.md
+++ b/problems/0123.买卖股票的最佳时机III.md
@@ -62,7 +62,7 @@ dp[i][j]中 i表示第i天，j为 [0 - 4] 五个状态，dp[i][j]表示第i天
 
 需要注意：dp[i][1]，**表示的是第i天，买入股票的状态，并不是说一定要第i天买入股票，这是很多同学容易陷入的误区**。
 
-例如 dp[i][1] ，并不是说 第i点一定买入股票，有可能 第 i-1天 就买入了，那么 dp[i][1] 延续买入股票的这个状态。
+例如 dp[i][1] ，并不是说 第i天一定买入股票，有可能 第 i-1天 就买入了，那么 dp[i][1] 延续买入股票的这个状态。
 
 2. 确定递推公式
 
@@ -102,7 +102,7 @@ dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i]);
 
 第0天第二次买入操作，初始值应该是多少呢？应该不少同学疑惑，第一次还没买入呢，怎么初始化第二次买入呢？
 
-第二次买入依赖于第一次卖出的状态，其实相当于第0天第一次买入了，第一次卖出了，然后在买入一次（第二次买入），那么现在手头上没有现金，只要买入，现金就做相应的减少。
+第二次买入依赖于第一次卖出的状态，其实相当于第0天第一次买入了，第一次卖出了，然后再买入一次（第二次买入），那么现在手头上没有现金，只要买入，现金就做相应的减少。
 
 所以第二次买入操作，初始化为：dp[0][3] = -prices[0];
 
@@ -181,7 +181,7 @@ public:
 
 dp[1] = max(dp[1], dp[0] - prices[i]); 如果dp[1]取dp[1]，即保持买入股票的状态，那么 dp[2] = max(dp[2], dp[1] + prices[i]);中dp[1] + prices[i] 就是今天卖出。
 
-如果dp[1]取dp[0] - prices[i]，今天买入股票，那么dp[2] = max(dp[2], dp[1] + prices[i]);中的dp[1] + prices[i]相当于是尽在再卖出股票，一买一卖收益为0，对所得现金没有影响。相当于今天买入股票又卖出股票，等于没有操作，保持昨天卖出股票的状态了。
+如果dp[1]取dp[0] - prices[i]，今天买入股票，那么dp[2] = max(dp[2], dp[1] + prices[i]);中的dp[1] + prices[i]相当于是今天再卖出股票，一买一卖收益为0，对所得现金没有影响。相当于今天买入股票又卖出股票，等于没有操作，保持昨天卖出股票的状态了。
 
 **这种写法看上去简单，其实思路很绕，不建议大家这么写，这么思考，很容易把自己绕进去！**
 
@@ -312,26 +312,26 @@ Go:
 
 ```go
 func maxProfit(prices []int) int {
-    dp:=make([][]int,len(prices))
-    for i:=0;i<len(prices);i++{
-        dp[i]=make([]int,5)
+    dp := make([][]int, len(prices))
+    for i := 0; i < len(prices); i++ {
+        dp[i] = make([]int, 5)
     }
-    dp[0][0]=0
-    dp[0][1]=-prices[0]
-    dp[0][2]=0
-    dp[0][3]=-prices[0]
-    dp[0][4]=0
-    for i:=1;i<len(prices);i++{
-        dp[i][0]=dp[i-1][0]
-        dp[i][1]=max(dp[i-1][1],dp[i-1][0]-prices[i])
-        dp[i][2]=max(dp[i-1][2],dp[i-1][1]+prices[i])
-        dp[i][3]=max(dp[i-1][3],dp[i-1][2]-prices[i])
-        dp[i][4]=max(dp[i-1][4],dp[i-1][3]+prices[i])
+    dp[0][0] = 0
+    dp[0][1] = -prices[0]
+    dp[0][2] = 0
+    dp[0][3] = -prices[0]
+    dp[0][4] = 0
+    for i := 1; i < len(prices); i++ {
+        dp[i][0] = dp[i-1][0]
+        dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i])
+        dp[i][2] = max(dp[i-1][2], dp[i-1][1] + prices[i])
+        dp[i][3] = max(dp[i-1][3], dp[i-1][2] - prices[i])
+        dp[i][4] = max(dp[i-1][4], dp[i-1][3] + prices[i])
     }
     return dp[len(prices)-1][4]
 }
-func max(a,b int)int{
-    if a>b{
+func max(a, b int) int {
+    if a > b {
         return a
     }
     return b
@@ -407,39 +407,6 @@ function maxProfit(prices: number[]): number {
 };
 ```
 
-Go:
-
-> 版本一：
-```go
-// 买卖股票的最佳时机III 动态规划
-// 时间复杂度O(n) 空间复杂度O(n)
-func maxProfit(prices []int) int {
-    dp := make([][]int, len(prices))
-    status := make([]int, len(prices) * 4)
-    for i := range dp {
-        dp[i] = status[:4]
-        status = status[4:]
-    }
-    dp[0][0], dp[0][2] = -prices[0], -prices[0]
-    
-    for i := 1; i < len(prices); i++ {
-        dp[i][0] = max(dp[i - 1][0], -prices[i])
-        dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i])
-        dp[i][2] = max(dp[i - 1][2], dp[i - 1][1] - prices[i])
-        dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] + prices[i])
-    }
-    
-    return dp[len(prices) - 1][3]
-}
-
-func max(a, b int) int {
-    if a > b {
-        return a
-    }
-    return b
-}
-```
-