docs: refactor documentation structure and add new content

content/cn/docs/changelog/hugegraph-0.2-release-notes.md

@@ -148,7 +148,7 @@ weight: 23
 - 图数据接口
 - Gremlin接口
 
-更多细节详见[API文档](/clients/hugegraph-api.html)
+更多细节详见[API文档](/docs/clients/restful-api)
 
 ### 后端支持
 

content/cn/docs/clients/gremlin-console.md

@@ -82,7 +82,7 @@ channelizer: org.apache.tinkerpop.gremlin.server.channel.HttpChannelizer
 # ......
 ```
 
-将 `channelizer: org.apache.tinkerpop.gremlin.server.channel.HttpChannelizer` 修改成 `channelizer: org.apache.tinkerpop.gremlin.server.channel.WebSocketChannelizer` 或直接注释，然后按照[步骤](/docs/quickstart/hugegraph-server/)启动 HugeGraph-Server。
+将 `channelizer: org.apache.tinkerpop.gremlin.server.channel.HttpChannelizer` 修改成 `channelizer: org.apache.tinkerpop.gremlin.server.channel.WebSocketChannelizer` 或直接注释，然后按照[步骤](/cn/docs/quickstart/hugegraph/hugegraph-server/)启动 HugeGraph-Server。
 
 下面进入 Gremlin-Console：
 

content/cn/docs/clients/hugegraph-client.md

@@ -456,4 +456,4 @@ Edge knows1 = marko.addEdge("knows", vadas, "city", "Beijing");
 
 ### 4 简单示例
 
-简单示例见[HugeGraph-Client](/docs/quickstart/hugegraph-client)
+简单示例见[HugeGraph-Client](/cn/docs/quickstart/client/hugegraph-client)

content/cn/docs/clients/restful-api/_index.md

@@ -7,7 +7,7 @@ weight: 1
 HugeGraph-Server通过HugeGraph-API基于HTTP协议为Client提供操作图的接口，主要包括元数据和
 图数据的增删改查，遍历算法，变量，图操作及其他操作。
 
-除了下方的文档，你还可以通过 `localhost:8080/swagger-ui/index.html` 访问 `swagger-ui` 以查看 `RESTful API`。[示例可以参考此处](/cn/docs/quickstart/hugegraph-server#swaggerui-example)
+除了下方的文档，你还可以通过 `localhost:8080/swagger-ui/index.html` 访问 `swagger-ui` 以查看 `RESTful API`。[示例可以参考此处](/cn/docs/quickstart/hugegraph/hugegraph-server#swaggerui-example)
 
 [comment]: <> (- Graph Schema)
 

content/cn/docs/clients/restful-api/task.md

@@ -93,7 +93,7 @@ DELETE http://localhost:8080/graphs/hugegraph/tasks/2
 
 #### 7.1.4 取消某个异步任务，**该异步任务必须具有处理中断的能力**
 
-假设已经通过[Gremlin API](../gremlin)创建了一个异步任务如下：
+假设已经通过[Gremlin API](/cn/docs/clients/restful-api/gremlin)创建了一个异步任务如下：
 
 ```groovy
 "for (int i = 0; i < 10; i++) {" +

content/cn/docs/guides/architectural.md

@@ -17,12 +17,12 @@ weight: 1
 HugeGraph 包括三个层次的功能，分别是应用程序层、图引擎层和存储层。
 
 - 应用程序层：
-  - [Hubble](/docs/quickstart/hugegraph-hubble/): 一站式可视化分析平台，平台涵盖了从数据建模，到数据快速导入，再到数据的在线、离线分析、以及图的统一管理的全过程，实现了图应用的全流程向导式操作。
-  - [Loader](/docs/quickstart/hugegraph-loader/): 数据导入组件，能够将多种数据源的数据转化为图的顶点和边并批量导入到图数据库中。
-  - [Tools](/docs/quickstart/hugegraph-tools/): 命令行工具，用于部署、管理和备份/恢复 HugeGraph 中的数据。
-  - [Computer](/docs/quickstart/hugegraph-computer/): 分布式图处理系统 (OLAP)，它是 [Pregel](https://kowshik.github.io/JPregel/pregel_paper.pdf) 的一个实现，可以运行在 Kubernetes 上。
-  - [Client](/docs/quickstart/hugegraph-client/): 使用 Java 编写的 HugeGraph 客户端，用户可以使用 Client 编写 Java 代码操作 HugeGraph，后续可根据需要提供 Python、Go、C++ 等多语言支持。
-- [图引擎层](/docs/quickstart/hugegraph-server/)：
+  - [Hubble](/cn/docs/quickstart/toolchain/hugegraph-hubble/): 一站式可视化分析平台，平台涵盖了从数据建模，到数据快速导入，再到数据的在线、离线分析、以及图的统一管理的全过程，实现了图应用的全流程向导式操作。
+  - [Loader](/cn/docs/quickstart/toolchain/hugegraph-loader/): 数据导入组件，能够将多种数据源的数据转化为图的顶点和边并批量导入到图数据库中。
+  - [Tools](/cn/docs/quickstart/toolchain/hugegraph-tools/): 命令行工具，用于部署、管理和备份/恢复 HugeGraph 中的数据。
+  - [Computer](/cn/docs/quickstart/computing/hugegraph-computer/): 分布式图处理系统 (OLAP)，它是 [Pregel](https://kowshik.github.io/JPregel/pregel_paper.pdf) 的一个实现，可以运行在 Kubernetes 上。
+  - [Client](/cn/docs/quickstart/client/hugegraph-client/): 使用 Java 编写的 HugeGraph 客户端，用户可以使用 Client 编写 Java 代码操作 HugeGraph，后续可根据需要提供 Python、Go、C++ 等多语言支持。
+- [图引擎层](/cn/docs/quickstart/hugegraph/hugegraph-server/)：
   - REST Server: 提供 RESTful API 用于查询 Graph/Schema 等信息，支持 [Gremlin](https://tinkerpop.apache.org/gremlin.html) 和 [Cypher](https://en.wikipedia.org/wiki/Cypher) 查询语言，提供服务监控和运维的 APIs。
   - Graph Engine: 支持 OLTP 和 OLAP 两种图计算类型，其中 OLTP 实现了 [Apache TinkerPop3](https://tinkerpop.apache.org) 框架。
   - Backend Interface: 实现将图数据存储到后端。

content/cn/docs/guides/backup-restore.md

@@ -26,7 +26,7 @@ Restore 有两种模式：
 
 ## 使用方法
 
-可以使用[hugegraph-tools](/docs/quickstart/hugegraph-tools)进行图的备份和恢复。
+可以使用[hugegraph-tools](/cn/docs/quickstart/toolchain/hugegraph-tools)进行图的备份和恢复。
 
 #### Backup
 
@@ -72,7 +72,7 @@ bin/hugegraph graph-mode-set -m NONE
 
 #### 帮助
 
-备份和恢复命令的详细使用方式可以参考[hugegraph-tools文档](/docs/quickstart/hugegraph-tools)。
+备份和恢复命令的详细使用方式可以参考[hugegraph-tools文档](/cn/docs/quickstart/toolchain/hugegraph-tools)。
 
 ## Backup/Restore使用和实现的API说明
 

content/cn/docs/introduction/README.md

@@ -45,17 +45,17 @@ HugeGraph 支持多用户并行操作，用户可输入 Gremlin 查询语句，
 
 ### Modules
 
-- [HugeGraph-Server](/cn/docs/quickstart/hugegraph-server): HugeGraph-Server 是 HugeGraph 项目的核心部分，包含 Core、Backend、API 等子模块；
+- [HugeGraph-Server](/cn/docs/quickstart/hugegraph/hugegraph-server): HugeGraph-Server 是 HugeGraph 项目的核心部分，包含 Core、Backend、API 等子模块；
   - Core：图引擎实现，向下连接 Backend 模块，向上支持 API 模块；
   - Backend：实现将图数据存储到后端，支持的后端包括：Memory、Cassandra、ScyllaDB、RocksDB、HBase、MySQL 及 PostgreSQL，用户根据实际情况选择一种即可；
   - API：内置 REST Server，向用户提供 RESTful API，同时完全兼容 Gremlin 查询。(支持分布式存储和计算下推)
 - [HugeGraph-Toolchain](https://github.com/apache/hugegraph-toolchain): (工具链)
-  - [HugeGraph-Client](/cn/docs/quickstart/hugegraph-client)：HugeGraph-Client 提供了 RESTful API 的客户端，用于连接 HugeGraph-Server，目前仅实现 Java 版，其他语言用户可自行实现；
-  - [HugeGraph-Loader](/cn/docs/quickstart/hugegraph-loader)：HugeGraph-Loader 是基于 HugeGraph-Client 的数据导入工具，将普通文本数据转化为图形的顶点和边并插入图形数据库中；
-  - [HugeGraph-Hubble](/cn/docs/quickstart/hugegraph-hubble)：HugeGraph-Hubble 是 HugeGraph 的 Web 
+  - [HugeGraph-Client](/cn/docs/quickstart/client/hugegraph-client)：HugeGraph-Client 提供了 RESTful API 的客户端，用于连接 HugeGraph-Server，目前仅实现 Java 版，其他语言用户可自行实现；
+  - [HugeGraph-Loader](/cn/docs/quickstart/toolchain/hugegraph-loader)：HugeGraph-Loader 是基于 HugeGraph-Client 的数据导入工具，将普通文本数据转化为图形的顶点和边并插入图形数据库中；
+  - [HugeGraph-Hubble](/cn/docs/quickstart/toolchain/hugegraph-hubble)：HugeGraph-Hubble 是 HugeGraph 的 Web 
 可视化管理平台，一站式可视化分析平台，平台涵盖了从数据建模，到数据快速导入，再到数据的在线、离线分析、以及图的统一管理的全过程；
-  - [HugeGraph-Tools](/cn/docs/quickstart/hugegraph-tools)：HugeGraph-Tools 是 HugeGraph 的部署和管理工具，包括管理图、备份/恢复、Gremlin 执行等功能。
-- [HugeGraph-Computer](/cn/docs/quickstart/hugegraph-computer)：HugeGraph-Computer 是分布式图处理系统 (OLAP). 
+  - [HugeGraph-Tools](/cn/docs/quickstart/toolchain/hugegraph-tools)：HugeGraph-Tools 是 HugeGraph 的部署和管理工具，包括管理图、备份/恢复、Gremlin 执行等功能。
+- [HugeGraph-Computer](/cn/docs/quickstart/computing/hugegraph-computer)：HugeGraph-Computer 是分布式图处理系统 (OLAP). 
   它是 [Pregel](https://kowshik.github.io/JPregel/pregel_paper.pdf) 的一个实现。它可以运行在 Kubernetes/Yarn 
   等集群上，支持超大规模图计算。
 - [HugeGraph-AI](/cn/docs/quickstart/hugegraph-ai)：HugeGraph-AI 是 HugeGraph 独立的 AI 

content/cn/docs/performance/hugegraph-loader-performance.md

@@ -12,7 +12,7 @@ weight: 3
 ## 使用场景
 
 当要批量插入的图数据（包括顶点和边）条数为 billion 级别及以下，或者总数据量小于 TB 时，
-可以采用 [HugeGraph-Loader](/docs/quickstart/hugegraph-loader) 工具持续、高速导入图数据
+可以采用 [HugeGraph-Loader](/cn/docs/quickstart/toolchain/hugegraph-loader) 工具持续、高速导入图数据
 
 ## 性能
 

content/cn/docs/quickstart/client/_index.md

@@ -0,0 +1,5 @@
+---
+title: "HugeGraph Client"
+linkTitle: "HugeGraph Client"
+weight: 4
+---

content/cn/docs/quickstart/computing/_index.md

@@ -0,0 +1,5 @@
+---
+title: "HugeGraph Computing"
+linkTitle: "HugeGraph Computing"
+weight: 3
+---

content/cn/docs/quickstart/hugegraph-computer.md → content/cn/docs/quickstart/computing/hugegraph-computer.md

@@ -1,7 +1,7 @@
 ---
 title: "HugeGraph-Computer Quick Start"
 linkTitle: "使用 Computer 进行 OLAP 分析"
-weight: 6
+weight: 1
 ---
 
 ## 1 HugeGraph-Computer 概述

content/cn/docs/quickstart/hugegraph-vermeer.md → content/cn/docs/quickstart/computing/hugegraph-vermeer.md

@@ -1,7 +1,7 @@
 ---
 title: "HugeGraph-Vermeer Quick Start"
 linkTitle: "(OLAP) Vermeer 内存图计算框架"
-weight: 7
+weight: 2
 ---
 
 ## 一、Vermeer 概述

content/cn/docs/quickstart/hugegraph-ai.md → content/cn/docs/quickstart/hugegraph-ai/_index.md

@@ -1,55 +1,126 @@
 ---
-title: "HugeGraph-AI Quick Start"
-linkTitle: "使用 HugeGraph-AI"
-weight: 4
+title: "探索 HugeGraph-AI"
+linkTitle: "探索 HugeGraph-AI"
+weight: 2
 ---
 
+> 请参考 AI 仓库的 [README](https://github.com/apache/incubator-hugegraph-ai/tree/main/hugegraph-llm#readme) 获取最新文档，官网会**定期**更新和同步~。
+
+> AI总结的项目文档：[![Ask DeepWiki](https://deepwiki.com/badge.svg)](https://deepwiki.com/apache/incubator-hugegraph-ai)
+
 ### 1 HugeGraph-AI 概述
-hugegraph-ai 旨在探索 HugeGraph 与人工智能（AI）的融合，包括与大模型结合的应用，与图机器学习组件的集成等，为开发者在项目中利用 HugeGraph
-的 AI 能力提供全面支持。
+`hugegraph-llm` 是一个用于实现和研究大语言模型相关功能的工具。该项目包含可运行的演示程序，也可以作为第三方库使用。
+
+众所周知，图系统可以帮助大模型解决时效性和幻觉等挑战，而大模型可以帮助图系统解决成本相关的问题。
+
+通过这个项目，我们旨在降低使用图系统的成本，并减少构建知识图谱的复杂性。该项目将为图系统和大语言模型提供更多应用和集成解决方案：
+1. 通过 LLM + HugeGraph 构建知识图谱
+2. 使用自然语言操作图数据库（Gremlin/Cypher）
+3. 知识图谱补充答案上下文（GraphRAG → Graph Agent）
 
 ### 2 环境要求
-- python 3.9+  (better to use `3.10`)  
-- hugegraph-server 1.3+
+> [!IMPORTANT]
+> - python 3.10+（未在 3.12 中测试）
+> - hugegraph-server 1.3+（建议使用 1.5+）
+> - uv 0.7+
 
 ### 3 准备工作
 
+#### 3.1 Docker部署
+
+**Docker部署**  
+如果您希望使用Docker来部署HugeGraph-AI，请按照以下步骤操作：
+- 确保您已安装Docker
+- 我们提供了两种容器镜像：
+  - **镜像1**：[hugegraph/rag](https://hub.docker.com/r/hugegraph/rag/tags)  
+    用于构建和运行RAG功能，适合快速部署和开发使用
+  - **镜像2**：[hugegraph/rag-bin](https://hub.docker.com/r/hugegraph/rag-bin/tags)  
+    使用Nuitka编译的二进制版本，在生产环境中提供更稳定和高效的性能
+- 拉取Docker镜像：
+  ```bash
+  docker pull hugegraph/rag:latest # 拉取镜像1
+  docker pull hugegraph/rag-bin:latest # 拉取镜像2
+  ```
+- 启动Docker容器：
+  ```bash
+    docker run -it --name rag -v path2project/hugegraph-llm/.env:/home/work/hugegraph-llm/.env -p 8001:8001 hugegraph/rag bash
+    docker run -it --name rag-bin -v path2project/hugegraph-llm/.env:/home/work/hugegraph-llm/.env -p 8001:8001 hugegraph/rag-bin bash
+  ```
+- 启动Graph RAG演示：
+  ```bash
+  # 镜像1
+  python ./src/hugegraph_llm/demo/rag_demo/app.py # 或运行 python -m hugegraph_llm.demo.rag_demo.app
+
+  # 镜像2
+  ./app.dist/app.bin
+  ```
+- 访问界面：http://localhost:8001
+
+#### 3.2 从源码构建
+
 1. 启动HugeGraph数据库，可以通过 [Docker](https://hub.docker.com/r/hugegraph/hugegraph)/[Binary Package](https://hugegraph.apache.org/docs/download/download/) 运行它。  
-    请参阅详细[文档](https://hugegraph.apache.org/docs/quickstart/hugegraph-server/#31-use-docker-container-convenient-for-testdev)以获取更多指导
-2. 克隆项目
+    有一个简单的Docker方法：
+    ```bash
+    docker run -itd --name=server -p 8080:8080 hugegraph/hugegraph
+    ```  
+    请参阅详细[文档](/cn/docs/quickstart/hugegraph/hugegraph-server/#31-use-docker-container-convenient-for-testdev)以获取更多指导
+
+2. 配置uv环境，使用官方安装程序安装uv，其他安装方法请参见[uv文档](https://docs.astral.sh/uv/configuration/installer/)
+    ```bash
+    # 如果遇到网络问题，可以尝试使用pipx或pip安装uv，更多详情请参考uv文档
+    curl -LsSf https://astral.sh/uv/install.sh | sh  - # 安装最新版本，如0.7.3+
+    ```
+
+3. 克隆项目
     ```bash
     git clone https://github.com/apache/incubator-hugegraph-ai.git
     ```
-3. 安装 [hugegraph-python-client](../hugegraph-python-client) 和 [hugegraph_llm](src/hugegraph_llm)
+
+4. 配置依赖环境
+    ```bash
+    cd incubator-hugegraph-ai/hugegraph-llm
+    uv venv && source .venv/bin/activate
+    uv pip install -e .
+    ```
+    如果由于网络问题导致依赖下载失败或速度过慢，建议修改 `hugegraph-llm/pyproject.toml`。
+
+5. 安装 [hugegraph-python-client](../hugegraph-python-client) 和 [hugegraph_llm](src/hugegraph_llm)
     ```bash
     cd ./incubator-hugegraph-ai # better to use virtualenv (source venv/bin/activate) 
     pip install ./hugegraph-python-client
     pip install -r ./hugegraph-llm/requirements.txt
     ```
-4. 进入项目目录
+
+6. 进入项目目录
     ```bash
     cd ./hugegraph-llm/src
     ```
-5. 启动 **Graph RAG** 的 gradio 交互 demo，可以使用以下命令运行，启动后打开 http://127.0.0.1:8001
+
+7. 启动 **Graph RAG** 的 gradio 交互 demo，可以使用以下命令运行，启动后打开 http://127.0.0.1:8001
     ```bash
-    python3 -m hugegraph_llm.demo.rag_demo.app
+    python -m hugegraph_llm.demo.rag_demo.app  # 与 "uv run xxx" 相同
     ```
-    默认主机为 `0.0.0.0` ，端口为 `8001` 。您可以通过传递命令行参数 `--host` 和 `--port` 来更改它们。
+    默认主机为 `0.0.0.0` ，端口为 `8001` 。您可以通过传递命令行参数 `--host` 和 `--port` 来更改它们。  
     ```bash
-    python3 -m hugegraph_llm.demo.rag_demo.app --host 127.0.0.1 --port 18001
+    python -m hugegraph_llm.demo.rag_demo.app --host 127.0.0.1 --port 18001
     ```
-6. 启动 **Text2Gremlin** 的 gradio 交互演示，可以使用以下命令运行，启动后打开 http://127.0.0.1:8002 ，您还可以按上述方式更改默认主机 `0.0.0.0` 和端口 `8002` 。(🚧ing)
+
+8. 启动 **Text2Gremlin** 的 gradio 交互演示，可以使用以下命令运行，启动后打开 http://127.0.0.1:8002 ，您还可以按上述方式更改默认主机 `0.0.0.0` 和端口 `8002` 。(🚧ing)
     ```bash
     python3 -m hugegraph_llm.demo.gremlin_generate_web_demo
    ```
-7. 在运行演示程序后，配置文件文件将被删除。`.env ` 将自动生成在 `hugegraph-llm/.env` 路径下。此外，还有一个与 prompt 相关的配置文件 `config_prompt.yaml` 。也会在`hugegraph-llm/src/hugegraph_llm/resources/demo/config_prompt.yaml`路径下生成。
+
+9. 在运行演示程序后，配置文件 `.env` 将自动生成在 `hugegraph-llm/.env` 路径下。此外，还有一个与 prompt 相关的配置文件 `config_prompt.yaml` 也会在 `hugegraph-llm/src/hugegraph_llm/resources/demo/config_prompt.yaml` 路径下生成。
     您可以在页面上修改内容，触发相应功能后会自动保存到配置文件中。你也可以直接修改文件而无需重启应用程序；只需刷新页面即可加载最新的更改。
-    （可选）要重新生成配置文件，您可以将 `config.generate` 与 `-u` 或 `--update` 一起使用。
+    （可选）要重新生成配置文件，您可以将 `config.generate` 与 `-u` 或 `--update` 一起使用。  
     ```bash
-    python3 -m hugegraph_llm.config.generate --update
+    python -m hugegraph_llm.config.generate --update
     ```
-8. （**可选**）您可以使用 [hugegraph-hubble](https://hugegraph.apache.org/docs/quickstart/hugegraph-hubble/#21-use-docker-convenient-for-testdev) 来访问图形数据，可以通过 [Docker/Docker-Compose](https://hub.docker.com/r/hugegraph/hubble) 运行它以获得指导。 （Hubble 是一个图形分析仪表板，包括数据加载/模式管理/图形遍历/显示）。
-9. （__可选__）离线下载 NLTK 停用词
+    注意：`Litellm` 支持多 LLM 提供商，参考 [litellm.ai](https://docs.litellm.ai/docs/providers) 进行配置
+
+10. （**可选**）您可以使用 [hugegraph-hubble](/cn/docs/quickstart/toolchain/hugegraph-hubble/#21-use-docker-convenient-for-testdev) 来访问图形数据，可以通过 [Docker/Docker-Compose](https://hub.docker.com/r/hugegraph/hubble) 运行它以获得指导。 （Hubble 是一个图形分析仪表板，包括数据加载/模式管理/图形遍历/显示）。
+
+11. （__可选__）离线下载 NLTK 停用词
     ```bash
     python ./hugegraph_llm/operators/common_op/nltk_helper.py
     ```
@@ -65,7 +136,7 @@ hugegraph-ai 旨在探索 HugeGraph 与人工智能（AI）的融合，包括与
   - file: 上传文件：<u>TXT</u> 或 <u>.docx</u>（可同时选择多个文件）
 - [Schema](https://hugegraph.apache.org/docs/clients/restful-api/schema/):（接受**2种类型**）
   - 用户定义模式( JSON 格式，遵循[模板](https://github.com/apache/incubator-hugegraph-ai/blob/aff3bbe25fa91c3414947a196131be812c20ef11/hugegraph-llm/src/hugegraph_llm/config/config_data.py#L125)来修改它)
-  - 指定 HugeGraph 图实例的名称，它将自动从中获取模式(如 **“hugegraph”**)
+  - 指定 HugeGraph 图实例的名称，它将自动从中获取模式(如 **"hugegraph"**)
 - Graph extract head: 用户自定义的图提取提示
 - 如果已经存在图数据，你应该点击 "**Rebuild vid Index**" 来更新索引
 
@@ -140,13 +211,13 @@ hugegraph-ai 旨在探索 HugeGraph 与人工智能（AI）的融合，包括与
     graph_rag = RAGPipeline()
     graph_rag.extract_keywords(text="Tell me about Al Pacino.").print_result()
     ```
-2. **根据关键字匹配 Vid**:：将节点与图中的关键字匹配。
-	```python
+2. **根据关键字匹配 Vid**：将节点与图中的关键字匹配。
+    ```python
     graph_rag.keywords_to_vid().print_result()
-   ```
+    ```
 3. **RAG 的查询图**：从 HugeGraph 中检索对应的关键词及其多度关联关系。
      ```python
-     graph_rag.query_graphdb(max_deep=2, max_items=30).print_result()
+     graph_rag.query_graphdb(max_deep=2, max_graph_items=30).print_result()
      ```
 4. **重新排序搜索结果**：根据问题与结果之间的相似性对搜索结果进行重新排序。
     ```python
@@ -160,3 +231,4 @@ hugegraph-ai 旨在探索 HugeGraph 与人工智能（AI）的融合，包括与
     ```python
     graph_rag.run(verbose=True)
     ```
+