refactor(ai): sync the ai doc/structure

.gitignore

@@ -15,3 +15,5 @@ nohup.out
 /dataSources/
 /dataSources.local.xml
 .idea/
+
+.DS_Store

config.toml

@@ -21,6 +21,10 @@ enableGitInfo = true
 # Comment out to enable taxonomies in Docsy
 # disableKinds = ["taxonomy", "taxonomyTerm"]
 
+# TODO: upgrade docsy version to latest one (curretly mermaid.js is not working)
+[params.mermaid]
+enable = true
+
 ###############################################################################
 # Hugo - Top-level navigation (horizontal)
 ###############################################################################

content/cn/docs/quickstart/hugegraph-ai/hugegraph-llm.md

@@ -0,0 +1,235 @@
+---
+title: "HugeGraph-LLM"
+linkTitle: "HugeGraph-LLM"
+weight: 1
+---
+
+> 本文为中文翻译版本，内容基于英文版进行，我们欢迎您随时提出修改建议。我们推荐您阅读 [AI 仓库 README](https://github.com/apache/incubator-hugegraph-ai/tree/main/hugegraph-llm#readme) 以获取最新信息，官网会定期同步更新。
+
+> **连接图数据库与大语言模型的桥梁**
+
+> AI 总结项目文档：[![Ask DeepWiki](https://deepwiki.com/badge.svg)](https://deepwiki.com/apache/incubator-hugegraph-ai)
+
+## 🎯 概述
+
+HugeGraph-LLM 是一个功能强大的工具包，它融合了图数据库和大型语言模型的优势，实现了 HugeGraph 与 LLM 之间的无缝集成，助力开发者构建智能应用。
+
+### 核心功能
+- 🏗️ **知识图谱构建**：利用 LLM 和 HugeGraph 自动构建知识图谱。
+- 🗣️ **自然语言查询**：通过自然语言（Gremlin/Cypher）操作图数据库。
+- 🔍 **图增强 RAG**：借助知识图谱提升问答准确性（GraphRAG 和 Graph Agent）。
+
+更多源码文档，请访问我们的 [DeepWiki](https://deepwiki.com/apache/incubator-hugegraph-ai) 页面（推荐）。
+
+## 📋 环境要求
+
+> [!IMPORTANT]
+> - **Python**：3.10+（未在 3.12 版本测试）
+> - **HugeGraph Server**：1.3+（推荐 1.5+）
+> - **UV 包管理器**：0.7+
+
+## 🚀 快速开始
+
+请选择您偏好的部署方式：
+
+### 方案一：Docker Compose（推荐）
+
+这是同时启动 HugeGraph Server 和 RAG 服务的最快方法：
+
+```bash
+# 1. 设置环境
+cp docker/env.template docker/.env
+# 编辑 docker/.env，将 PROJECT_PATH 设置为您的实际项目路径
+
+# 2. 部署服务
+cd docker
+docker-compose -f docker-compose-network.yml up -d
+
+# 3. 验证部署
+docker-compose -f docker-compose-network.yml ps
+
+# 4. 访问服务
+# HugeGraph Server: http://localhost:8080
+# RAG 服务: http://localhost:8001
+```
+
+### 方案二：独立 Docker 容器
+
+如果您希望对各组件进行更精细的控制：
+
+#### 可用镜像
+- **`hugegraph/rag`**：开发镜像，可访问源代码
+- **`hugegraph/rag-bin`**：生产优化的二进制文件（使用 Nuitka 编译）
+
+```bash
+# 1. 创建网络
+docker network create -d bridge hugegraph-net
+
+# 2. 启动 HugeGraph Server
+docker run -itd --name=server -p 8080:8080 --network hugegraph-net hugegraph/hugegraph
+
+# 3. 启动 RAG 服务
+docker pull hugegraph/rag:latest
+docker run -itd --name rag \
+  -v /path/to/your/hugegraph-llm/.env:/home/work/hugegraph-llm/.env \
+  -p 8001:8001 --network hugegraph-net hugegraph/rag
+
+# 4. 监控日志
+docker logs -f rag
+```
+
+### 方案三：从源码构建
+
+适用于开发和自定义场景：
+
+```bash
+# 1. 启动 HugeGraph Server
+docker run -itd --name=server -p 8080:8080 hugegraph/hugegraph
+
+# 2. 安装 UV 包管理器
+curl -LsSf https://astral.sh/uv/install.sh | sh
+
+# 3. 克隆并设置项目
+git clone https://github.com/apache/incubator-hugegraph-ai.git
+cd incubator-hugegraph-ai/hugegraph-llm
+
+# 4. 创建虚拟环境并安装依赖
+uv venv && source .venv/bin/activate
+uv pip install -e .
+
+# 5. 启动 RAG 演示
+python -m hugegraph_llm.demo.rag_demo.app
+# 访问: http://127.0.0.1:8001
+
+# 6. (可选) 自定义主机/端口
+python -m hugegraph_llm.demo.rag_demo.app --host 127.0.0.1 --port 18001
+```
+
+#### 额外设置（可选）
+
+```bash
+# 下载 NLTK 停用词以优化文本处理
+python ./hugegraph_llm/operators/common_op/nltk_helper.py
+
+# 更新配置文件
+python -m hugegraph_llm.config.generate --update
+```
+
+> [!TIP]
+> 查看我们的[快速入门指南](https://github.com/apache/incubator-hugegraph-ai/blob/main/hugegraph-llm/quick_start.md)获取详细用法示例和查询逻辑解释。
+
+## 💡 用法示例
+
+### 知识图谱构建
+
+#### 交互式 Web 界面
+
+使用 Gradio 界面进行可视化知识图谱构建：
+
+**输入选项：**
+- **文本**：直接输入文本用于 RAG 索引创建
+- **文件**：上传 TXT 或 DOCX 文件（支持多选）
+
+**Schema 配置：**
+- **自定义 Schema**：遵循我们[模板](https://github.com/apache/incubator-hugegraph-ai/blob/aff3bbe25fa91c3414947a196131be812c20ef11/hugegraph-llm/src/hugegraph_llm/config/config_data.py#L125)的 JSON 格式
+- **HugeGraph Schema**：使用现有图实例的 Schema（例如，“hugegraph”）
+
+![知识图谱构建器](https://hugegraph.apache.org/docs/images/gradio-kg.png)
+
+#### 代码构建
+
+使用 `KgBuilder` 类通过代码构建知识图谱：
+
+```python
+from hugegraph_llm.models.llms.init_llm import LLMs
+from hugegraph_llm.operators.kg_construction_task import KgBuilder
+
+# 初始化并链式操作
+TEXT = "在此处输入您的文本内容..."
+builder = KgBuilder(LLMs().get_chat_llm())
+
+(
+    builder
+    .import_schema(from_hugegraph="talent_graph").print_result()
+    .chunk_split(TEXT).print_result()
+    .extract_info(extract_type="property_graph").print_result()
+    .commit_to_hugegraph()
+    .run()
+)
+```
+
+**工作流：**
+```mermaid
+graph LR
+    A[导入 Schema] --> B[文本分块]
+    B --> C[提取信息]
+    C --> D[提交到 HugeGraph]
+    D --> E[执行工作流]
+
+    style A fill:#fff2cc
+    style B fill:#d5e8d4
+    style C fill:#dae8fc
+    style D fill:#f8cecc
+    style E fill:#e1d5e7
+```
+
+### 图增强 RAG
+
+利用 HugeGraph 进行检索增强生成：
+
+```python
+from hugegraph_llm.operators.graph_rag_task import RAGPipeline
+
+# 初始化 RAG 工作流
+graph_rag = RAGPipeline()
+
+# 执行 RAG 工作流
+(
+    graph_rag
+    .extract_keywords(text="给我讲讲 Al Pacino 的故事。")
+    .keywords_to_vid()
+    .query_graphdb(max_deep=2, max_graph_items=30)
+    .merge_dedup_rerank()
+    .synthesize_answer(vector_only_answer=False, graph_only_answer=True)
+    .run(verbose=True)
+)
+```
+
+**RAG 工作流：**
+```mermaid
+graph TD
+    A[用户查询] --> B[提取关键词]
+    B --> C[匹配图节点]
+    C --> D[检索图上下文]
+    D --> E[重排序结果]
+    E --> F[生成答案]
+
+    style A fill:#e3f2fd
+    style B fill:#f3e5f5
+    style C fill:#e8f5e8
+    style D fill:#fff3e0
+    style E fill:#fce4ec
+    style F fill:#e0f2f1
+```
+
+## 🔧 配置
+
+运行演示后，将自动生成配置文件：
+
+- **环境**：`hugegraph-llm/.env`
+- **提示**：`hugegraph-llm/src/hugegraph_llm/resources/demo/config_prompt.yaml`
+
+> [!NOTE]
+> 使用 Web 界面时，配置更改会自动保存。对于手动更改，刷新页面即可加载更新。
+
+**LLM 提供商支持**：本项目使用 [LiteLLM](https://docs.litellm.ai/docs/providers) 实现多提供商 LLM 支持。
+
+## 📚 其他资源
+
+- **图可视化**：使用 [HugeGraph Hubble](https://hub.docker.com/r/hugegraph/hubble) 进行数据分析和 Schema 管理
+- **API 文档**：浏览我们的 REST API 端点以进行集成
+- **社区**：加入我们的讨论并为项目做出贡献
+
+---
+
+**许可证**：Apache License 2.0 | **社区**：[Apache HugeGraph](https://hugegraph.apache.org/)

content/cn/docs/quickstart/hugegraph-ai/quick_start.md

@@ -1,7 +1,7 @@
 ---
 title: "GraphRAG UI Details"
 linkTitle: "GraphRAG UI Details"
-weight: 1
+weight: 4
 ---
 
 > 接续[主文档](../)介绍基础 UI 功能及详情，欢迎随时更新和改进，谢谢