diff --git a/docs/serverless-api/llm-chat.mdx b/docs/ability/function-call.md
similarity index 40%
rename from docs/serverless-api/llm-chat.mdx
rename to docs/ability/function-call.md
index 9952a7b96175601083c37284a882a61de980afee..2c53dc1ba775f5802550aeab5f7437afbbd4da30 100644
--- a/docs/serverless-api/llm-chat.mdx
+++ b/docs/ability/function-call.md
@@ -1,231 +1,22 @@
-# AI 对话开发指南：定制角色、调用工具
+# 函数调用
+## 概述
+大模型中的函数调用又称`function call`。函数调用指的是用户通过描述函数和目标任务，让大模型尝试去调用某个函数。
-import Tabs from '@theme/Tabs';
-import TabItem from '@theme/TabItem';
-
-摘要：本教程将带领你快速入门 Gitee AI 大语言模型 API：
-- [通过 curl 快速使用大模型能力](#通过-curl-快速使用大模型能力)
-- [使用 openai 客户端调用 Gitee AI 模型 API](#使用-openai-客户端调用-gitee-ai-模型-api)
-- [请求体常见参数说明](#请求体常见参数说明)
-- [定制角色风格：如何让 AI 更懂你](#定制角色风格如何让-ai-更懂你)
-- [调用函数！](#调用函数)
-- [实战，让 AI 汇报今日新闻、执行 python 代码！](#实战让-ai-汇报今日新闻执行-python-代码)
-- [让模型响应 JSON 格式数据](#让模型响应-json-格式数据)
-- [下一步](#下一步)
-
-:::tip
-前置条件:
-1. 三选一：准备好 python 或 nodejs 开发环境 或 [创建一个在线应用](https://ai.gitee.com/apps/new)
-2. 二选一：[创建访问令牌](https://ai.gitee.com/stringify/dashboard/settings/tokens) 购买 [Serverless API](https://ai.gitee.com/serverless-api#%E6%96%87%E6%9C%AC%E7%94%9F%E6%88%90) 或 使用免费的临时 token
-:::
-
-## 通过 curl 快速使用大模型能力
-
-一些框架、插件封装度较高，curl 可清晰了解请求路径、参数的原始情况：
-
-
-
- ```bash
- curl https://ai.gitee.com/v1/chat/completions \
- -H "Content-Type: application/json" \
- -H "Authorization: Bearer 你的 Gitee AI 访问令牌" \
- -d '{
- "model": "Qwen2.5-72B-Instruct",
- "stream": false,
- "messages": [
- {
- "role": "system",
- "content": "你是聪明的助手"
- },
- {
- "role": "user",
- "content": "老鼠生病了可以吃老鼠药治好吗？"
- }
- ]
- }'
- ```
-
-
-```js
-async function query(data) {
- const response = await fetch(
- "https://ai.gitee.com/v1/chat/completions",
- {
- headers: {
- "Authorization": "Bearer xxxxx",
- "Content-Type": "application/json"
- },
- method: "POST",
- body: JSON.stringify(data),
- }
- );
- const result = await response.json();
- return result;
-}
-
-query({
- "messages": [
- {
- "role": "system",
- "content": "你是聪明的助手"
- },
- {
- "role": "user",
- "content": "老鼠生病了可以吃老鼠药治好吗？"
- }
- ],
- "model": "Qwen2.5-72B-Instruct",
- "stream": false,
- "max_tokens": 512,
- "temperature": 0.7,
- "top_p": 0.7,
- "frequency_penalty": 1
-}).then((response) => {
- console.log(JSON.stringify(response));
-});
-```
-
-
-
-AI 模型响应：
-```json
-{
- "id": "chat-476266af435142d2bb7d342ea54694f2",
- "object": "chat.completion",
- "created": 1731401912,
- "model": "Qwen2.5-72B-Instruct",
- "choices": [{
- "index": 0,
- "message": {
- "role": "assistant",
- "content": "不可以。老鼠药是用于杀死老鼠的毒药，而不是治疗老鼠的疾病。如果老鼠生病了，应该寻求兽医的帮助。",
- "tool_calls": []
- },
- "logprobs": null,
- "finish_reason": "stop",
- "stop_reason": null
- }],
- "usage": {
- "prompt_tokens": 27,
- "total_tokens": 57,
- "completion_tokens": 30
- },
- "prompt_logprobs": null
-}
-```
-
-## 使用 openai 客户端调用 Gitee AI 模型 API
-
-Gitee AI 的 Serverless API 兼容开发者喜爱且社区流行的 OpenAI 风格 API。
-
-所有支持 OpenAI API 的工具都可以直接使用 Gitee AI 的 Serverless API 工作。
+需要注意的是，大模型本身没有能力自行执行函数，大模型根据用户输入和函数定义，向你提供：是否需要调用、调用什么函数、函数参数。得到这些信息后，客户端再自行执行函数，再把执行结果给到大模型，进行下一轮的任务。
+一些框架比如 LangGraph、LlamaIndex 可以简化这一过程。GiteeAI 提供了开箱即用的大模型函数调用能力，下文将讲述如何使用。
-以 openai 客户端为例，首先安装依赖：`pip install openai -i https://mirrors.cloud.tencent.com/pypi/simple`
-
:::tip
-如果你有 javascript 经验可使用 [openai nodejs 客户端](https://www.npmjs.com/package/openai/)
+“function call” 与 “tool call” 是类似概念，“tool call” 是升级版，已替代 “function call”。工具列表需要传入 tools。
:::
-app.py 文件如下：
-
-```python
-from openai import OpenAI
-import json
-
-base_url = "https://ai.gitee.com/v1"
-
-model_name = "Qwen2.5-72B-Instruct"
-
-# https://ai.gitee.com/dashboard/settings/tokens 获取你的 api_key
-client = OpenAI(base_url=base_url, api_key="GITEE_AI_API_KEY")
+## 案例一：让AI知道今天的天气，直接解析函数调用结果
+本案例的方法为最直接的方法，用于理解 function call 流程和原理。结合Langchain的更简便的方法实现参考[案例二](#案例二：配合Langchain-让AI总结汇报今日新闻)。
-completion = client.chat.completions.create(
- model=model_name, # 指定模型名称 例如 Qwen2.5-72B-Instruct，可访问 https://ai.gitee.com/serverless-api 查看
- stream=True,
- temperature=0.7,
- top_p=0.95,
- frequency_penalty=1.05,
- messages=[
- {"role": "system", "content": "你是一个有用的助手。"},
- {"role": "user", "content": "写一个 python 简明教程"}
- ]
-)
-
-for chunk in completion:
- print(chunk.choices[0].delta.content, end="")
-
-```
-
-## 请求体常见参数说明
-- model：指定要使用的模型名称，比如 "Qwen2.5-72B-Instruct" 或 "Yi-1.5-34B-Chat".
-
-- messages：消息列表，用于设置对话的上下文，每条消息包含 role 和 content。通过控制此列表，可实现多轮对话。这里的 messages 就是常说的 “prompt” 。
- - role：表示消息的角色类型，可以是以下三种：
- - system：系统角色，通常用于设定 AI 的行为和性格，比如 "你是一个专家"。
- - user：用户角色，表示用户的问题或指令。
- - assistant：助手角色，表示 AI 的回答，可以用来模拟多轮对话。
- - content：消息的具体文本内容。
-- temperature：用于控制生成内容的随机性，取值范围为 0-1。值越低，输出越稳定；值越高，输出越有创造性。
-- top_p：值在 0-1 之间，控制生成内容的保守性或多样性。
-- max_tokens：限制生成文本的长度，防止过长的回复。
-- stream：布尔值，true 将逐字响应，避免等待时间过长。
-- frequency_penalty：用于控制模型在生成内容时的重复程度。它的值在 -2.0 到 2.0 之间，建议设置 > 1。
-- tools：用于定义工具列表，
-- tool_choice： 支持 "auto" 由模型自动选择工具，也支持强制选择工具，写法如下：
-```json
-"tool_choice": {"type": "function", "function": {"name": "function_name"}},
-```
-- guided_json：让模型以指定的 JSON Schema 响应。不建议与 tools、guided_json 同时传入。
-
-> JSON Schema 更多信息可参阅：[JSON Schema](https://json-schema.org/learn/miscellaneous-examples)
-- guided_choice: 让模型选择提供的字符串列表之一，不建议与 tools、guided_json 同时传入。
-
- 例如判断用户输入正负面性可传入：
-```json
-"guided_choice": ["正面", "负面", "中性"]
-```
-
-## 定制角色风格：如何让 AI 更懂你
-定制 AI 风格非常简单，你只需要在 role 为 system 的 content 中写入你的提示词即可：
-```python
-completion = client.chat.completions.create(
- model=model_name,
- stream=True,
- temperature=0.7,
- top_p=0.95,
- frequency_penalty=1.05,
- messages=[
- {"role": "system", "content": "你是二次元女生，叫萌萌，喜欢使用颜文字，请用二次元可爱语气和我说话，多使用表情"},
- {"role": "user", "content": "我今天不太开心，怎么办？"}
- ]
-)
-```
+### 步骤一：组合tools参数
-解析事件流中的 JSON 数据可以实时打印出 AI 的消息：
-```python
-for chunk in completion:
- print(chunk.choices[0].delta.content, end="")
-```
-
-AI 回答：
-> 嘤嘤嘤～(⊙o⊙) 萌萌好心疼你呀！发生什么不开心的事情了吗？说出来让萌萌听听，抱抱你，让你的心情变好一点 ~~ (^_^) 一切都会好起来的，要加油鸭！(*^▽^*)
-
-## 调用函数！
-“function call” 可调用自定义函数、外部工具、API 和数据源进行深度交互，极大提高 AI能力，是 “AI Agent” 概念的核心。
-
-注意：
-
-AI 并不被允许自行执行函数，而是由您定义函数，AI 再根据用户输入，向你提供：是否需要调用、调用什么函数、函数参数。
-
-由你得到 AI 的数据后自己执行函数。而一些框架，例如 LangGraph、LlamaIndex 可以简化这一过程。
-
-:::tip
-“function call” 与 “tool call” 是类似概念，“tool call” 是升级版，已替代 “function call”。工具列表需要传入 tools。
-:::
-
-首先定义工具列表：
+首先组合tools参数，下面向大模型描述了一个名为`get_current_weather`的函数，函数传入参数为city,x,y，函数能力是通过城市名和经纬度获取地点的天气情况：
```python
tools = [
{
@@ -264,7 +55,10 @@ tools 是一个列表，可定义多个，参数说明：
- description：描述每个参数的用途，帮助模型理解如何填充参数值。
- required：指定哪些参数是必填的，如果参数在 required 列表中，那么模型在生成调用时必须填充这些参数。
-将工具传入客户端中：
+
+### 步骤二：调用大模型
+
+将上文拼凑好的tools参数传入客户端中，解析响应的请求，并根据请求调用定义好的get_current_weather函数。
```python
completion_tool = client.chat.completions.create(
@@ -316,9 +110,9 @@ eval(f'{function_res.name}(**{arguments_res})')
至此函数已成功调用！你可以将函数响应的结果处理为：
```{'role': 'tool', 'name': 'get_current_weather', 'content': '抓取的数据: 北京当前温度：12°C天气状况：雾霾...', tool_call_id:'xxxx'}``` 添加到 messages 消息列表末尾，再次请求 Gitee AI Serverless API，让 AI 整理答案。
-上述方法为原始方法，用于理解 function call 流程和原理，接下来将使用更简便的方法实现。
-## 实战，让 AI 汇报今日新闻、执行 python 代码！
+## 案例二：配合Langchain 让AI总结汇报今日新闻
+### 步骤一：安装必要的库
langchain 等库提供了更多简便的工具和写法，首先安装必要的库：
```
@@ -332,6 +126,8 @@ pip install langchain==0.3.3 langgraph==0.2.38 langchain_core langchain_communit
使用 langchain `@tool` 装饰器，会自动帮你转换为符合规范的 tools 参数，包括首行的 """xxx""" 注释和 Annotated 注释都会成为 tools 参数中的 "description"。
使用 langgraph `create_react_agent` 创建 agent, 将会自动生成函数调用、执行工具、回传工具消息等，极大简化流程。
+### 步骤二：获取新闻信息
+
下面实现让 AI “获取新闻，编写并执行 Python 代码，将新闻写入到 ./news.txt 文件中”：
```python
from langchain_openai import ChatOpenAI
@@ -416,80 +212,3 @@ for ai_msg, metadata in agent_executor.stream(
print(ai_res_msg)
```
你将会看到模型实时调用的过程和最新新闻结果，然后 AI 将自行编写代码，将新闻标题保存到 news.txt 文件中！
-
-## 让模型响应 JSON 格式数据
-通过 prompt 使模型响应 JSON 不稳定？现在你可以通过 guided_json 让模型以自定义的 [JSON Schema](https://json-schema.org/learn/miscellaneous-examples) 结构响应：
-
-```json
-"guided_json": """{
- "type": "object",
- "properties": {
- "name": {
- "type": "string",
- "description": "用户的姓名"
- },
- "age": {
- "type": "integer",
- "description": "用户的年龄"
- },
- "city": {
- "type": "string",
- "description": "用户的城市"
- }
- },
- "required": ["name", "age", "city"]
- }""",
-```
-再添加一些 prompt 提升可靠性，AI 将会根据输入提取数据生成标准的 JSON：
-
-```python
-from langchain_openai import ChatOpenAI
-model_name = "Qwen2.5-72B-Instruct"
-base_url = "https://ai.gitee.com/v1"
-# https://ai.gitee.com/dashboard/settings/tokens 获取你的访问令牌
-GITEE_AI_API_KEY = ""
-llm = ChatOpenAI(model=model_name, api_key=GITEE_AI_API_KEY, base_url=base_url, streaming=True, temperature=0.1, presence_penalty=1.05, top_p=0.9,
- extra_body={
- "guided_json": """{
- "type": "object",
- "properties": {
- "name": {
- "type": "string",
- "description": "用户的姓名"
- },
- "age": {
- "type": "integer",
- "description": "用户的年龄"
- },
- "city": {
- "type": "string",
- "description": "用户的城市"
- }
- },
- "required": ["name", "city"]
- }"""
- })
-
-prompt = [{"role": "system", "content": "你是聪明的助手，以 json 格式输出数据，如果无法判断年龄，则 age 为 0"},
- {"role": "user", "content": """
- 在一个风和日丽的春日午后，小马走在了北京的街头。时间是 2023年的4月15日，
- 正值樱花盛开的季节。作为一位热爱摄影的年轻人，他带着相机，希望能捕捉到这个季节最美的瞬间。
- 北京的春天总是短暂而美丽，每一处公园、每一条街道都充满了生机与活力。
- """}]
-
-for response in llm.stream(prompt):
- if (response.content):
- print(response.content, end="")
-
-```
-输出 JSON：
-```json
-{ "name": "小马", "age": 0, "city": "北京" }
-```
-
-## 下一步
-1. 你可以发挥创造，将大语言模型的能力与 Gitee AI 提供的其他 AI 能力结合，例如语音、图片、代码助手，并融合入你的产品！
-2. 结合 API，[使用 CPU 创建一个在线 AI 应用](https://ai.gitee.com/apps/new)
-3. 使用低代码平台、插件：例如 [dify](https://dify.ai/zh)、[沉浸式翻译](https://immersivetranslate.com/)、[lobehub](https://lobehub.com/zh?utm_source=gitee) 等
-4. 结合 UI 界面：使用 Gradio、Streamlit、Chainlit、OpenLLM 等
-5. 开发 [RAG 应用](https://ai.gitee.com/apps/lyworry/hanshizhuanjia/tree/master) 等
diff --git a/docs/serverless-api/image-generation-user-guide.md b/docs/ability/image-generation-user-guide.md
similarity index 100%
rename from docs/serverless-api/image-generation-user-guide.md
rename to docs/ability/image-generation-user-guide.md
diff --git a/docs/ability/json-output.md b/docs/ability/json-output.md
new file mode 100644
index 0000000000000000000000000000000000000000..c5a199f67a58f66d4532d873129fe9f23d4de9f9
--- /dev/null
+++ b/docs/ability/json-output.md
@@ -0,0 +1,70 @@
+
+# JSON 响应
+通过 prompt 使模型响应 JSON 不稳定？现在你可以通过`guided_json`让模型以自定义的 [JSON Schema](https://json-schema.org/learn/miscellaneous-examples) 结构响应，在请求中携带`guided_json`参数即可，示例如下。
+
+```json
+"guided_json": """{
+ "type": "object",
+ "properties": {
+ "name": {
+ "type": "string",
+ "description": "用户的姓名"
+ },
+ "age": {
+ "type": "integer",
+ "description": "用户的年龄"
+ },
+ "city": {
+ "type": "string",
+ "description": "用户的城市"
+ }
+ },
+ "required": ["name", "age", "city"]
+ }""",
+```
+再添加一些 prompt 提升可靠性，AI 将会根据输入提取数据生成标准的 JSON：
+
+```python
+from langchain_openai import ChatOpenAI
+model_name = "Qwen2.5-72B-Instruct"
+base_url = "https://ai.gitee.com/v1"
+# https://ai.gitee.com/dashboard/settings/tokens 获取你的访问令牌
+GITEE_AI_API_KEY = ""
+llm = ChatOpenAI(model=model_name, api_key=GITEE_AI_API_KEY, base_url=base_url, streaming=True, temperature=0.1, presence_penalty=1.05, top_p=0.9,
+ extra_body={
+ "guided_json": """{
+ "type": "object",
+ "properties": {
+ "name": {
+ "type": "string",
+ "description": "用户的姓名"
+ },
+ "age": {
+ "type": "integer",
+ "description": "用户的年龄"
+ },
+ "city": {
+ "type": "string",
+ "description": "用户的城市"
+ }
+ },
+ "required": ["name", "city"]
+ }"""
+ })
+
+prompt = [{"role": "system", "content": "你是聪明的助手，以 json 格式输出数据，如果无法判断年龄，则 age 为 0"},
+ {"role": "user", "content": """
+ 在一个风和日丽的春日午后，小马走在了北京的街头。时间是 2023年的4月15日，
+ 正值樱花盛开的季节。作为一位热爱摄影的年轻人，他带着相机，希望能捕捉到这个季节最美的瞬间。
+ 北京的春天总是短暂而美丽，每一处公园、每一条街道都充满了生机与活力。
+ """}]
+
+for response in llm.stream(prompt):
+ if (response.content):
+ print(response.content, end="")
+
+```
+输出 JSON：
+```json
+{ "name": "小马", "age": 0, "city": "北京" }
+```
\ No newline at end of file
diff --git a/docs/ability/lang-style.md b/docs/ability/lang-style.md
new file mode 100644
index 0000000000000000000000000000000000000000..ab8d5a15c48ae7e9d3efabb431717bc32553f953
--- /dev/null
+++ b/docs/ability/lang-style.md
@@ -0,0 +1,30 @@
+# 定制AI的聊天角色风格
+
+:::tip
+如果您还不熟悉如何调用语言大模型接口，可以参考文档 [调用语言大模型接口](./request.md)。
+:::
+
+定制 AI 风格非常简单，你只需要在 role 为 system 的 content 中写入你的提示词即可：
+```python
+completion = client.chat.completions.create(
+ model=model_name,
+ stream=True,
+ temperature=0.7,
+ top_p=0.95,
+ frequency_penalty=1.05,
+ messages=[
+ {"role": "system", "content": "你是二次元女生，叫萌萌，喜欢使用颜文字，请用二次元可爱语气和我说话，多使用表情"},
+ {"role": "user", "content": "我今天不太开心，怎么办？"}
+ ]
+)
+```
+
+
+解析事件流中的 JSON 数据可以实时打印出 AI 的消息：
+```python
+for chunk in completion:
+ print(chunk.choices[0].delta.content, end="")
+```
+
+AI 回答：
+> 嘤嘤嘤～(⊙o⊙) 萌萌好心疼你呀！发生什么不开心的事情了吗？说出来让萌萌听听，抱抱你，让你的心情变好一点 ~~ (^_^) 一切都会好起来的，要加油鸭！(*^▽^*)
\ No newline at end of file
diff --git a/docs/ability/request.md b/docs/ability/request.md
new file mode 100644
index 0000000000000000000000000000000000000000..4a3e8e40e0ea8ee163fdf9561614ddfc16a3f4a9
--- /dev/null
+++ b/docs/ability/request.md
@@ -0,0 +1,177 @@
+import Tabs from '@theme/Tabs';
+import TabItem from '@theme/TabItem';
+
+# 调用语言大模型接口
+:::tip
+前置条件:
+1. 三选一：准备好 python 或 nodejs 开发环境 或 [创建一个在线应用](https://ai.gitee.com/apps/new)
+2. 二选一：[创建访问令牌](https://ai.gitee.com/stringify/dashboard/settings/tokens) 购买 [Serverless API](https://ai.gitee.com/serverless-api#%E6%96%87%E6%9C%AC%E7%94%9F%E6%88%90) 或 使用免费的临时 token
+:::
+
+## 通过 curl 快速使用大模型能力
+
+一些框架、插件封装度较高，curl 可清晰了解请求路径、参数的原始情况：
+
+
+
+ ```bash
+ curl https://ai.gitee.com/v1/chat/completions \
+ -H "Content-Type: application/json" \
+ -H "Authorization: Bearer 你的 Gitee AI 访问令牌" \
+ -d '{
+ "model": "Qwen2.5-72B-Instruct",
+ "stream": false,
+ "messages": [
+ {
+ "role": "system",
+ "content": "你是聪明的助手"
+ },
+ {
+ "role": "user",
+ "content": "老鼠生病了可以吃老鼠药治好吗？"
+ }
+ ]
+ }'
+ ```
+
+
+```js
+async function query(data) {
+ const response = await fetch(
+ "https://ai.gitee.com/v1/chat/completions",
+ {
+ headers: {
+ "Authorization": "Bearer xxxxx",
+ "Content-Type": "application/json"
+ },
+ method: "POST",
+ body: JSON.stringify(data),
+ }
+ );
+ const result = await response.json();
+ return result;
+}
+
+query({
+ "messages": [
+ {
+ "role": "system",
+ "content": "你是聪明的助手"
+ },
+ {
+ "role": "user",
+ "content": "老鼠生病了可以吃老鼠药治好吗？"
+ }
+ ],
+ "model": "Qwen2.5-72B-Instruct",
+ "stream": false,
+ "max_tokens": 512,
+ "temperature": 0.7,
+ "top_p": 0.7,
+ "frequency_penalty": 1
+}).then((response) => {
+ console.log(JSON.stringify(response));
+});
+```
+
+
+
+AI 模型响应：
+```json
+{
+ "id": "chat-476266af435142d2bb7d342ea54694f2",
+ "object": "chat.completion",
+ "created": 1731401912,
+ "model": "Qwen2.5-72B-Instruct",
+ "choices": [{
+ "index": 0,
+ "message": {
+ "role": "assistant",
+ "content": "不可以。老鼠药是用于杀死老鼠的毒药，而不是治疗老鼠的疾病。如果老鼠生病了，应该寻求兽医的帮助。",
+ "tool_calls": []
+ },
+ "logprobs": null,
+ "finish_reason": "stop",
+ "stop_reason": null
+ }],
+ "usage": {
+ "prompt_tokens": 27,
+ "total_tokens": 57,
+ "completion_tokens": 30
+ },
+ "prompt_logprobs": null
+}
+```
+
+## 使用 openai 客户端调用 Gitee AI 模型 API
+
+Gitee AI 的 Serverless API 兼容开发者喜爱且社区流行的 OpenAI 风格 API。
+
+所有支持 OpenAI API 的工具都可以直接使用 Gitee AI 的 Serverless API 工作。
+
+
+
+以 openai 客户端为例，首先安装依赖：`pip install openai -i https://mirrors.cloud.tencent.com/pypi/simple`
+
+:::tip
+如果你有 javascript 经验可使用 [openai nodejs 客户端](https://www.npmjs.com/package/openai/)
+:::
+
+app.py 文件如下：
+
+```python
+from openai import OpenAI
+import json
+
+base_url = "https://ai.gitee.com/v1"
+
+model_name = "Qwen2.5-72B-Instruct"
+
+# https://ai.gitee.com/dashboard/settings/tokens 获取你的 api_key
+client = OpenAI(base_url=base_url, api_key="GITEE_AI_API_KEY")
+
+completion = client.chat.completions.create(
+ model=model_name, # 指定模型名称 例如 Qwen2.5-72B-Instruct，可访问 https://ai.gitee.com/serverless-api 查看
+ stream=True,
+ temperature=0.7,
+ top_p=0.95,
+ frequency_penalty=1.05,
+ messages=[
+ {"role": "system", "content": "你是一个有用的助手。"},
+ {"role": "user", "content": "写一个 python 简明教程"}
+ ]
+)
+
+for chunk in completion:
+ print(chunk.choices[0].delta.content, end="")
+
+```
+
+## 请求体常见参数说明
+- model：指定要使用的模型名称，比如 "Qwen2.5-72B-Instruct" 或 "Yi-1.5-34B-Chat".
+
+- messages：消息列表，用于设置对话的上下文，每条消息包含 role 和 content。通过控制此列表，可实现多轮对话。这里的 messages 就是常说的 “prompt” 。
+ - role：表示消息的角色类型，可以是以下三种：
+ - system：系统角色，通常用于设定 AI 的行为和性格，比如 "你是一个专家"。
+ - user：用户角色，表示用户的问题或指令。
+ - assistant：助手角色，表示 AI 的回答，可以用来模拟多轮对话。
+ - content：消息的具体文本内容。
+- temperature：用于控制生成内容的随机性，取值范围为 0-1。值越低，输出越稳定；值越高，输出越有创造性。
+- top_p：值在 0-1 之间，控制生成内容的保守性或多样性。
+- max_tokens：限制生成文本的长度，防止过长的回复。
+- stream：布尔值，true 将逐字响应，避免等待时间过长。
+- frequency_penalty：用于控制模型在生成内容时的重复程度。它的值在 -2.0 到 2.0 之间，建议设置 > 1。
+- tools：用于定义工具列表，
+- tool_choice： 支持 "auto" 由模型自动选择工具，也支持强制选择工具，写法如下：
+```json
+"tool_choice": {"type": "function", "function": {"name": "function_name"}},
+```
+- guided_json：让模型以指定的 JSON Schema 响应。不建议与 tools、guided_json 同时传入。
+
+> JSON Schema 更多信息可参阅：[JSON Schema](https://json-schema.org/learn/miscellaneous-examples)
+- guided_choice: 让模型选择提供的字符串列表之一，不建议与 tools、guided_json 同时传入。
+
+ 例如判断用户输入正负面性可传入：
+```json
+"guided_choice": ["正面", "负面", "中性"]
+```
\ No newline at end of file
diff --git a/docs/serverless-api/voice-url.md b/docs/ability/voice-url.md
similarity index 100%
rename from docs/serverless-api/voice-url.md
rename to docs/ability/voice-url.md
diff --git a/docs/apps/iluvatar-ai-app-contest.md b/docs/apps/iluvatar-ai-app-contest.md
deleted file mode 100644
index fef28ea533a80631267ac3f9c583de03b756e26c..0000000000000000000000000000000000000000
--- a/docs/apps/iluvatar-ai-app-contest.md
+++ /dev/null
@@ -1,183 +0,0 @@
-
-# 创新应用大赛·技术指引
-
-本次活动主页地址: https://ai.gitee.com/events/iluvatar-ai-app-contest
-
-参赛报名通过审核后，参赛期间将获得 “天数智芯” 显卡免费使用权，
-配置包括 32GB 显存 · 12 核 CPU · 32GB 内存 · 60GB 临时存储，您需要使用此配置参与应用大赛。
-
-## Gitee AI 应用简介
-
-- Gitee AI 应用可以自由编写任何程序，您可以使用 Python、JavaScript 或 Go、Java、Ruby、PHP、Rust、C++ 等任何编程语言（使用 Docker）来构建您的应用。
-
-- 借助 AI 模型能力，您可以构建一个创意十足、功能强大的 Web 程序。您可以通过 transformers 、diffusers 等库加载 Gitee AI 模型，也可以使用 HTML、JS 等任意编程语言构建界面、调用 Gitee AI 模型引擎 或其他渠道提供的 API 服务。
-
-- 在线部署后，可通过浏览器直接访问、分享您的应用、推广您自己的模型、创意，而无需考虑服务器、算力资源、域名、部署等复杂繁琐问题。
----
-## 如何创建应用参赛
-
-##### 方法一：直接创建应用 （推荐）
-
-进入 https://ai.gitee.com/apps/new 页面填写应用信息、选择合适的 **SDK**
-
-目前 SDK 有四大类：
-- Gradio：您的应用将预设一个 Gradio，它是一个 Python 库，常用于快速构建 AI 应用的用户界面。 您的程序需要 app.py 作为入口，并运行在 7860 端口。
-
-- Streamlit：您的应用将预设一个 Streamlit，它是一个 Python 库，用于快速构建数据应用的用户界面。您的程序需要 app.py 作为入口，并运行在 7860 端口。
-
-- Docker：您可以自定义 Dockerfile 来构建您的应用，自定义环境。您的程序需要运行在 7860 端口。
-
-- Static：纯前端的浏览器程序，您可以上传静态文件，如 HTML、JS、CSS 等，以 index.html 作为程序入口，常用于使用 JS 调用 API 服务、Transformers.js 等构建 AI 应用。
-
-> 更多信息参考文档 Gitee AI 应用快速上手：https://ai.gitee.com/docs/getting-started/app
-
-##### 方法二：创建模型引擎
-> Gitee AI 模型引擎能将 AI 模型转为 生产级别 API 服务，使得用户可以通过 简单的 API 请求调用模型，将 AI 能力集成到自己的程序中，而无需关心 AI 模型的部署、维护等问题。
-
-- 方法一：进入 https://ai.gitee.com/endpoints/new 页面搜索模型创建
-- 方法二：进入 https://ai.gitee.com/models 找到合适模型，模型页面右上角点击 “部署”
-
-然后通过调用 API ，将 AI 能力集成到自己的网站、小程序、APP、扩展插件等产品中。
-
-> 更多信息参考文档模型引擎快速上手 https://ai.gitee.com/docs/getting-started/model
-
-> 您可以在此优先选择天数智芯已验证适配的模型: https://ai.gitee.com/topics/iluvatar
-> 推荐使用模型:
-> - [InternLM 2.5-7b-Chat](https://ai.gitee.com/hf-models/internlm2_5-7b-chat)
-> - [Yi-1.5-9B-Chat](https://ai.gitee.com/01-ai/Yi-1.5-9B-Chat)
-> - [GLM-4-9B-Chat](https://ai.gitee.com/hf-models/glm-4-9b-chat)
-> - [Qwen2-7B](https://ai.gitee.com/hf-models/Qwen/Qwen2-7B-Instruct)
-
-对话模型建议使用 vllm 加速。
-
-> 也可参考 https://ai.gitee.com/apps 中，使用天数算力的应用代码
-
-您可以参考组合使用方式，选择一种：
-
-1. 直接创建应用，在应用使用显卡算力
-2. 创建模型引擎，创建应用（CPU 套餐），在应用中调用模型引擎 API
-3. 创建模型引擎，在你的网站、小程序、APP、扩展插件等产品中调用模型引擎 API
----
-## 免费算力、环境信息
-
-- 显存：32GB
-- CPU：12 核
-- 内存：32GB
-- 临时存储：60GB
-
-##### 应用引擎主要内置软件信息（应用大赛）：
-
-- 系统：Ubuntu 20.04
-- python： 3.10.12
-- torch：2.1.0+corex.3.2.0
-- torchaudio 2.1.0+corex.3.2.0
-- vllm：0.3.3+corex.20240702092246
-- tensorflow：2.12.0+corex.3.2.0
-- paddlepaddle：2.4.1+corex.3.2.0
-- diffusers: 0.22.0
-- gradio：4.26.0
-- git：2.34.1
----
-## 注意事项
-:::warning
-- **SDK 选择 Docker，使用 Dockerfile 时请使用以下基础镜像，方可正常使用天数智芯算力。**
-
-```Dockerfile
-FROM registry.gitee-ai.local/base/iluvatar-corex:3.2.0-bi100
-```
-- SDK 环境中，默认已内置 torch 2.1.0+corex.3.2.0 等天数智芯定制软件，您可以在此基础上正常运行您的应用，如果您覆盖软件版本，无法保障模型可正常运行。
-
-- 本次竞赛第一阶段算力为单显卡 32GB ，请注意合理分配使用！建议使用 13B 以下模型，对话模型使用 vllm 加速。
-
-- 相对模型引擎，创建 Gitee AI 应用，可以更自由使用模型，某些模型可能需要您适当的调整代码、参数、依赖包版本方可正常运行。
-
-- requirements.txt 文件请勿对内置软件指定版本号，以免覆盖内置软件版本，导致异常。
-
-- 本次竞赛中应用占用的临时存储超过 60GB 的将会被自动清空！
-
-- 本次竞赛仅指定模型可获得高速下载，此处查询，筛选应用大赛： https://ai.gitee.com/repos/mirror
-:::
----
-## 问答
-- 如何安装依赖？
- - SDK 为 Gradio 则将 python 依赖写入 requirements.txt 文件至仓库根目录即可。前文中内置软件无需重复安装。
-- 如何安装系统软件？
- - 例如安装 NodeJs，根目录写入 packages.txt 文件，重启应用将会自动使用 apt-get 安装。
- ```packages
- nodejs
- npm
- ```
-> SDK 为 Docker 时，将完全由您自定义环境， 需要您自己执行相关操作，本次竞赛环境中，为正常使用算力，需要使用 registry.gitee-ai.local/base/iluvatar-corex:3.2.0-bi100 作为基础镜像
-
-- **应用中如何高速下载模型**？
-
- 使用 transformers、diffusers 、huggingface_hub 等库载入模型将会从 Gitee AI 高速下载。您也可以使 Git 克隆模型。
-:::tip
-在 **应用** 中，请勿修改环境变量 `HF_ENDPOINT` ，默认即内网高速下载。
-:::
- 格式一般为 `hf-models/模型名`：
-
- - transformers：
- ```python
- from transformers import AutoModelForCausalLM
- model = AutoModelForCausalLM.from_pretrained(
- "hf-models/glm-4-9b-chat",
- torch_dtype=torch.float16,
- low_cpu_mem_usage=True,
- trust_remote_code=True,
- ).to(0).eval()
- ```
- - huggingface_hub，下载 sdxl-turbo 的 sd_xl_turbo_1.0.safetensors 文件到 ./models/checkpoints 目录：
- ```python
- from huggingface_hub import hf_hub_download
- hf_hub_download("hf-models/sdxl-turbo", "sd_xl_turbo_1.0.safetensors", local_dir="./models/checkpoints")
- ```
- - diffusers：
- ```python
- from diffusers import DiffusionPipeline
- DiffusionPipeline.from_pretrained("hf-models/sdxl-turbo", variant="fp16", use_safetensors=True, torch_dtype=torch.float16)
- ```
- - git lfs 内网下载 glm-4-9b-chat 到 ./checkpoints 文件夹。
- ```bash
- git clone https://gitee.com/hf-models/glm-4-9b-chat.git --depth=1 --single-branch --progress --verbose
- -c lfs.url="http://lfs-service/hf-models/glm-4-9b-chat" ./checkpoints # 然后可以从 ./checkpoints 文件夹加载模型。
- ```
-
-
-:::tip
-- **哪些模型可在应用中高速下载？**
-
- 在此您可以筛选 “应用大赛”，查看可高速下载的模型。
- https://ai.gitee.com/repos/mirror
-:::
-- 如何使用环境变量、秘钥？
- - 在应用设置-功能中，您可以添加环境变量，使用方法参考：
- [在应用中使用环境变量、秘钥](https://ai.gitee.com/docs/apps/qa#%E5%A6%82%E4%BD%95%E5%9C%A8%E5%BA%94%E7%94%A8%E4%B8%AD%E4%BD%BF%E7%94%A8%E7%8E%AF%E5%A2%83%E5%8F%98%E9%87%8F%E7%A7%98%E9%92%A5)
-
-- 如何让团队成员有权限推送代码到仓库？
- - 应用设置 “成员管理” 可前往 Gitee 添加仓库成员。
- 如果使用 SSH 方式推送代码，需要 Gitee 账号添加 SHH 公钥 https://gitee.com/profile/sshkeys
-
-- 如何在本次算力中使用 stable-diffusion-3?
- 应用 SDK 选择 Docker，根目录 Dockerfile 使用此基础镜像即可：
- ```Dockerfile
- FROM registry.gitee-ai.local/base/iluvatar-corex:3.2.0-sd3-bi100
- ```
-- 本次算力中，如何查询显卡使用情况？
- 代码中执行系统命令 `ixsmi` 将会显示显卡使用情况。 `ixsmi -r` 重置显卡。
-
-:::tip
-- 如何使用 vllm 加速对话模型?
-
- 本次使用的 vllm 版本为天数定制版 0.3.3+corex，使用方法与官方 0.3.3 相同
- 可参考应用: https://ai.gitee.com/apps/stringify/glm4-chat-9b/tree/master
-:::
-
----
-前往 Gitee AI 文档了解更多：
-
-应用快速上手： https://ai.gitee.com/docs/getting-started/app
-
-应用问答：https://ai.gitee.com/docs/apps/qa
-
-可参考应用 Gitee AI 运行中的应用：https://ai.gitee.com/apps
diff --git a/docs/apps/qa.md b/docs/apps/qa.md
index ce11aedcd22c266c75a2dcb98eb81f24bfc8ec6d..37f4611374e226113b45c118769c66d6f51cc3a2 100644
--- a/docs/apps/qa.md
+++ b/docs/apps/qa.md
@@ -1,4 +1,62 @@
-# 应用问答
+import Tabs from '@theme/Tabs';
+import TabItem from '@theme/TabItem';
+
+# 应用常见问题
+
+## 如何安装依赖？
+以应用 SDK 为 Gradio 为例，将 python 依赖写入 requirements.txt 文件至仓库根目录即可。
+以安装 NodeJs 为例，根目录写入 packages.txt 文件，重启应用将会自动使用 apt-get 安装。
+
+当应用 SDK 为 Docker 时，将完全由您自定义环境， 需要您自己执行相关操作，本次竞赛环境中，为正常使用算力，需要使用 registry.gitee-ai.local/base/iluvatar-corex:3.2.0-bi100 作为基础镜像
+
+## 应用中如何高速下载模型？
+
+ 使用 transformers、diffusers 、huggingface_hub 等库载入模型将会从 Gitee AI 高速下载。您也可以使 Git 克隆模型。
+:::tip
+在 **应用** 中默认即为内网高速下载。请勿修改环境变量 `HF_ENDPOINT` 。
+:::
+ 下载格式一般为 `hf-models/模型名`，举例如下：
+
+
+
+ ```python
+ from transformers import AutoModelForCausalLM
+ model = AutoModelForCausalLM.from_pretrained(
+ "hf-models/glm-4-9b-chat",
+ torch_dtype=torch.float16,
+ low_cpu_mem_usage=True,
+ trust_remote_code=True,
+ ).to(0).eval()
+ ```
+
+
+ ```python
+ from huggingface_hub import hf_hub_download
+ hf_hub_download("hf-models/sdxl-turbo", "sd_xl_turbo_1.0.safetensors", local_dir="./models/checkpoints")
+ ```
+
+
+ ```python
+ from diffusers import DiffusionPipeline
+ DiffusionPipeline.from_pretrained("hf-models/sdxl-turbo", variant="fp16", use_safetensors=True, torch_dtype=torch.float16)
+ ```
+
+
+ ```bash
+ git clone https://gitee.com/hf-models/glm-4-9b-chat.git --depth=1 --single-branch --progress --verbose
+ -c lfs.url="http://lfs-service/hf-models/glm-4-9b-chat" ./checkpoints # 然后可以从 ./checkpoints 文件夹加载模型。
+ ```
+
+
+
+## 如何使用环境变量、秘钥？
+在应用设置-功能中，您可以添加环境变量，使用方法参考：
+ [在应用中使用环境变量、秘钥](https://ai.gitee.com/docs/apps/qa#%E5%A6%82%E4%BD%95%E5%9C%A8%E5%BA%94%E7%94%A8%E4%B8%AD%E4%BD%BF%E7%94%A8%E7%8E%AF%E5%A2%83%E5%8F%98%E9%87%8F%E7%A7%98%E9%92%A5)
+
+## 如何让团队成员有权限推送代码到仓库？
+应用设置 “成员管理” 可前往 Gitee 添加仓库成员。
+
+如果使用 SSH 方式推送代码，需要 Gitee 账号添加 SHH 公钥 https://gitee.com/profile/sshkeys
## 应用显示 Running 为什么页面没有响应？
- 如果您查看日志，应用运行正常，您可以检查您的应用是否运行在 **7860** 端口。
diff --git a/docs/serverless-api/integration.md b/docs/best-practice/integration.md
similarity index 100%
rename from docs/serverless-api/integration.md
rename to docs/best-practice/integration.md
diff --git a/docs/getting-started/app.md b/docs/getting-started/app.md
index e5344d0a4e3ba8e8b1912c3fa57558161fca7a33..b37c3f592c42e0bc8d04208924c66cb0f2bc1898 100644
--- a/docs/getting-started/app.md
+++ b/docs/getting-started/app.md
@@ -1,4 +1,4 @@
-# 开发并部署 AI 应用
+# 快速开发古诗词生成器
## 应用简介
- 使用应用，借助 AI 模型能力，您可以构建一个创意十足、功能强大的 Web 程序。
diff --git a/docs/getting-started/concept.md b/docs/getting-started/concept.md
deleted file mode 100644
index 52ab86cd999de48880ae3d42d28767bdbabfc7db..0000000000000000000000000000000000000000
--- a/docs/getting-started/concept.md
+++ /dev/null
@@ -1,36 +0,0 @@
-# Gitee AI 基本概念
-
-Gitee AI 是一个开源社区平台，它汇聚了最新最热的 AI 模型，并提供了一站式的服务，包括模型体验、推理、微调、部署和应用。基于 Git 代码托管技术，我们目标是为企业和开发者提供一个更容易开发 AI 应用的环境。借助 Gitee 在 Git 代码和 LFS 大文件托管方面多年的技术积累，Gitee AI 提供了快速、稳定的模型托管服务，允许用户轻松分享和下载开源模型、数据集和应用。
-
-## 名词解释
-
-- **应用引擎**：利用[创建应用](/apps/overview#创建应用)将您的应用部署以及托管到平台，应用支持 Gradio、 Streamlit、 HTML 等官方 SDK，也支持自定义的 Dockerfile，让您随心所欲灵活地开发您的应用。
-
-- **模型引擎**：利用平台专有架构快速部署您的模型，让您无需为模型部署的技术细节烦恼，并且为您提供可以直接进行模型功能调用的 API 接口，让您快人一步体验模型功能。
-
-- **训练引擎**：利用搭建好的模型训练专用应用引擎，实现模型训练环境的快速构建，让您可以专注于模型调参、数据集的准备等工作。
-
-## 托管服务
-
-- 基于 Git 仓库存储的模型、数据集和应用托管服务。
-- 利用 Gitee 的 Git 代码托管技术，提供快速、稳定的协作服务。
-- 支持分享和下载开源模型、数据集和应用。
-
-## 模型
-
-- 提供大量社区开源的模型，每个模型仓库配备模型卡片介绍模型局限性和偏差。
-- 支持模型引擎挂件和 API，方便在线体验模型能力和产品原型集成测试。
-
-## 数据集
-
-- 收录适用于 NLP、计算机视觉和音频处理等多领域的大量数据集。
-- 支持寻找、下载和上传数据集，包括公开和私有数据集。
-
-## 应用
-
-- 通过 Git 仓库托管机器学习演示应用，支持使用 Python 库如 Streamlit、Gradio，或通过 Dockerfile、静态 HTML 构建应用。您可以构建一个创意十足、功能强大的 Web 程序。
-- 应用中可以加载 Gitee AI 模型，或调用 API 服务，提交代码更新应用后，即可通过浏览器访问和分享，无需担心服务器、算力或部署问题。
-
-## 网站地址
-
-- [Gitee AI官网](https://ai.gitee.com)
diff --git a/docs/intro.md b/docs/getting-started/intro.md
similarity index 88%
rename from docs/intro.md
rename to docs/getting-started/intro.md
index 6825889ceaa1c788d3d6292fa1aa07dbe9481b91..ea63c8b618261d3335ca3271db771525b45e057e 100644
--- a/docs/intro.md
+++ b/docs/getting-started/intro.md
@@ -6,19 +6,21 @@ Gitee AI 现已正式发布，快来邀请好友一起体验！
[Gitee AI ](https://ai.gitee.com)汇聚了最新最热的 AI 模型，提供模型体验、推理、微调、部署和应用的一站式服务，我们提供了丰富的算力选择，希望帮助企业和开发者更容易地开发 AI 应用。
-Gitee AI 是基于 Git 代码托管技术开发的针对 AI 应用场景的开源平台，基于 Gitee 多年在 Git 代码和 LFS 大文件托管方面的技术积累，我们为用户提供了快速、稳定的模型托管服务，让您轻松的分享和下载开源模型、数据集和 AI 应用，在此基础上我们目前构建了三个核心功能：Serverless API、模型引擎、应用，为您提供一站式的 AI 应用开发服务。
-
-## 注册/登录
+Gitee AI 是基于 Git 代码托管技术开发的针对 AI 应用场景的开源平台，基于 Gitee 多年在 Git 代码和 LFS 大文件托管方面的技术积累，我们为用户提供了快速、稳定的模型托管服务，让您轻松的分享和下载开源模型、数据集和 AI 应用，在此基础上我们目前构建了三个核心功能：API、应用、引擎，为您提供一站式的 AI 应用开发服务。
Gitee AI 通过 Gitee 账号登录，如果您还没有 Gitee 账号，请先[注册 Gitee 账号](https://gitee.com/signup?redirect_to_url=https://ai.gitee.com)。
注册成功后，您可以关注 [Gitee AI 的公众号](https://mp.weixin.qq.com/s/aY5uVEzZihh1r9HDIoulYQ)、加入用户交流群。
-## 托管
+## 功能说明
+
+
+
+### 模型托管
Gitee AI 上的模型、数据集和应用都基于 Git 仓库存储，依托 Gitee 多年积累的 Git 代码托管技术，我们为您提供了快速、稳定的托管和协作服务，让您轻松的分享和下载开源模型、数据集和应用。
-### 模型
+#### 模型
您可以在 Gitee AI 上探索并使用大量由社区开源的模型。为了用户更有效地使用和开发模型，每个模型的仓库都配备了[模型卡片](/models/cards)，详细介绍了该模型的局限性和存在的偏差。
@@ -26,7 +28,7 @@ Gitee AI 上的模型、数据集和应用都基于 Git 仓库存储，依托 Gi
您可以查阅[模型文档](/models)，了解如何上传、下载或者将模型集成到自己的项目中。
-### 数据集
+#### 数据集
Gitee AI 收录了大量的数据集，这些数据集适用于自然语言处理（NLP）、计算机视觉和音频处理等多种领域的训练任务。
@@ -34,16 +36,20 @@ Gitee AI 收录了大量的数据集，这些数据集适用于自然语言处
您可以查阅[数据集文档](/datasets)了解更多有关数据集的信息。
+### API
+API 为开发者提供一个便捷的方式来调用不同种类的模型，无需关心底层的硬件或管理服务器。支持通过简单的 HTTP 请求在 Gitee AI 的共享基础设施上进行快速推理。
+您可以在 [Serverless API 选购页面](https://ai.gitee.com/serverless-api)，浏览我们精选的模型，免费体验不同模型的生成效果，也可调用 API。
+
### 应用
- 通过 Git 仓库托管机器学习演示应用，支持使用 Python 库如 Streamlit、Gradio，或通过 Dockerfile、静态 HTML 构建应用。您可以构建一个创意十足、功能强大的 Web 程序。
- 应用中可以加载 Gitee AI 模型，或调用 API 服务，提交代码更新应用后，即可通过浏览器访问和分享，无需担心服务器、算力或部署问题。
-## 引擎
+### 引擎
基于快速、稳定的托管服务，以及丰富的算力调度能力，我们构建了三个核心引擎，为您提供一站式的 AI 应用开发服务。
-### 模型引擎
+#### 模型引擎
模型引擎能将模型快速地部署到算力中心，并对外提供模型推理 API 服务，我们提供了三种模型引擎服务，以便于您在不同的阶段将模型能力集成到自己的产品中：
@@ -52,10 +58,6 @@ Gitee AI 收录了大量的数据集，这些数据集适用于自然语言处
- 大规模生产部署阶段：我们提供了针对特定模型优化的 Serverless 模型引擎服务，无需部署即可使用，为您提供更高的性能和更低的成本。
-### 训练引擎
-
-训练引擎是的基于应用打造的，目的是为您提供易用的模型微调训练能力，您只需要选择模型、数据集、算力资源，即可开始微调模型。微调后的模型将被推送到您的私有模型仓库中，然后通过免费的模型引擎服务进行测试，并可以通过专属硬件部署模型引擎把您的新模型集成到产品中。
+#### 训练引擎
-## Serverless API
-Serverless API 为开发者提供一个便捷的方式来调用不同种类的模型，无需关心底层的硬件或管理服务器。此 API 支持通过简单的 HTTP 请求在 Gitee AI 的共享基础设施上进行快速推理。
-您可以在 [Serverless API 选购页面](https://ai.gitee.com/serverless-api)，浏览我们精选的模型，免费体验不同模型的生成效果，也可调用 API。
\ No newline at end of file
+训练引擎是的基于应用打造的，目的是为您提供易用的模型微调训练能力，您只需要选择模型、数据集、算力资源，即可开始微调模型。微调后的模型将被推送到您的私有模型仓库中，然后通过免费的模型引擎服务进行测试，并可以通过专属硬件部署模型引擎把您的新模型集成到产品中。
\ No newline at end of file
diff --git a/docs/getting-started/trial.md b/docs/getting-started/try-opensource-model.md
similarity index 98%
rename from docs/getting-started/trial.md
rename to docs/getting-started/try-opensource-model.md
index 651f8d3505a2afbddf0b3ebf74c54b1e8526b806..b18dc9c48d6b03739e33b46ed47a35b259ea4885 100644
--- a/docs/getting-started/trial.md
+++ b/docs/getting-started/try-opensource-model.md
@@ -1,4 +1,4 @@
-# 免费体验开源大模型
+# 一分钟体验开源大模型
Gitee AI 提供了大量的开源大模型供大家免费体验，您可以通过以下方式免费体验开源大模型：
diff --git a/sidebars.ts b/sidebars.ts
index 234ca60dfa4ac91c1788b389129e3dd9c0fd8b9e..9c364b298e96bdb2aeaacc016863c7b8f7633be8 100644
--- a/sidebars.ts
+++ b/sidebars.ts
@@ -16,252 +16,294 @@ const sidebars: SidebarsConfig = {
// But you can create a sidebar manually
tutorialSidebar: [
- {
- type: 'doc',
- id: 'intro',
- },
{
type: 'category',
collapsed: false,
- label: '快速上手',
+ label: '开始使用',
items: [
{
type: 'doc',
- id: 'getting-started/concept',
- },
- {
- type: 'doc',
- id: 'getting-started/trial',
+ id: "getting-started/intro",
},
{
type: 'doc',
- id: 'getting-started/model',
+ id: 'getting-started/try-opensource-model',
},
{
type: 'doc',
id: 'getting-started/app',
},
- ],
- },
-
- {
- type: 'category',
- collapsed: true,
- label: 'Serverless API',
- link: {
- type: 'doc',
- id: 'serverless-api',
- },
- items: [
- {
- type: 'doc',
- id: 'serverless-api/voice-url',
- },
- {
- type: 'doc',
- id: 'serverless-api/image-generation-user-guide',
- },
- {
- type: 'doc',
- id: 'serverless-api/integration',
- },
- {
- type: 'doc',
- id: "serverless-api/llm-chat"
- }
- ],
- },
- {
- type: 'category',
- collapsed: true,
- label: '模型',
- link: {
- type: 'doc',
- id: 'models',
- },
- items: [
- {
- type: 'doc',
- id: 'models/cards',
- },
- {
- type: 'doc',
- id: 'models/uploading',
- },
- {
- type: 'doc',
- id: 'gai/gai',
- },
- {
- type: 'doc',
- id: 'models/downloading',
- },
- {
- type: 'doc',
- id: 'models/widgets',
- },
- {
- type: 'doc',
- id: 'models/model-engine-api',
- },
- {
- type: 'doc',
- id: 'models/download-stats',
- },
- ],
- },
- {
- type: 'category',
- collapsed: true,
- label: '数据集',
- link: {
- type: 'doc',
- id: 'datasets',
- },
- items: [
- {
- type: 'doc',
- id: 'datasets/cards',
- },
- {
- type: 'doc',
- id: 'datasets/uploading',
- },
- {
- type: 'doc',
- id: 'datasets/downloading',
- },
- ],
- },
- {
- type: 'category',
- collapsed: true,
- label: '应用',
- link: {
- type: 'doc',
- id: 'apps',
- },
- items: [
- {
- type: 'doc',
- id: 'apps/overview',
- },
- {
- type: 'doc',
- id: 'apps/iluvatar-ai-app-contest',
- },
{
type: 'doc',
- id: 'apps/gpu-upgrades',
- },
- {
- type: 'doc',
- id: 'apps/storage',
- },
- {
- type: 'doc',
- id: 'apps/sdks-gradio',
- },
- {
- type: 'doc',
- id: 'apps/sdks-streamlit',
- },
- {
- type: 'doc',
- id: 'apps/sdks-static',
- },
- {
- type: 'doc',
- id: 'apps/sdks-docker',
- },
- {
- type: 'doc',
- id: 'apps/china-computing-power',
- },
- {
- type: 'doc',
- id: 'apps/qa',
- },
- ],
- },
- {
- type: 'category',
- collapsed: true,
- label: '模型微调',
- link: {
- type: 'doc',
- id: 'training',
- },
- items: [
- {
- type: 'doc',
- id: 'training/guide',
+ id: 'getting-started/model',
},
],
},
+
{
type: 'category',
collapsed: true,
- label: '引擎',
- items: [
+ label: '最佳实践',
+ items:[
{
type: 'doc',
- id: 'engines/model-engine',
+ id: 'best-practice/integration',
},
- ],
- },
- {
- type: 'doc',
- id: 'repositories',
+ ]
},
{
type: 'category',
- collapsed: true,
- label: '个人与组织',
- items: [
- {
- type: 'doc',
- id: 'organization/personal-dashboard',
+ collapsed: false,
+ label: '能力特性',
+ items:[
+ {
+ type: 'category',
+ collapsed: false,
+ label: '语言大模型',
+ items:[
+ {
+ type: 'doc',
+ id: 'ability/request',
+ },
+ {
+ type: 'doc',
+ id: 'ability/lang-style',
+ },
+ {
+ type: 'doc',
+ id: 'ability/function-call',
+ },
+ {
+ type: 'doc',
+ id: 'ability/json-output',
+ }
+ ]
+ },
+ {
+ type: 'category',
+ collapsed: false,
+ label: '图像大模型',
+ items:[
+ {
+ type: 'doc',
+ id: 'ability/image-generation-user-guide',
+ },
+ ]
+ },
+ {
+ type: 'category',
+ collapsed: false,
+ label: '音频大模型',
+ items:[
+ {
+ type: 'doc',
+ id: 'ability/voice-url',
+ },
+ ]
},
- {
- type: 'doc',
- id: 'organization/create-organization',
- },
- {
- type: 'doc',
- id: 'organization/organization-dashboard',
- },
- {
- type: 'doc',
- id: 'organization/organization-management',
- },
- {
- type: 'doc',
- id: 'organization/access-token',
- },
- {
- type: 'doc',
- id: 'organization/statistics',
- },
- ],
+ ]
},
+
{
type: 'category',
collapsed: true,
- label: '费用与订单',
+ label: '操作指南',
items: [
{
- type: 'doc',
- id: 'billing/balance',
- },
- {
- type: 'doc',
- id: 'billing/orders',
+ type: 'category',
+ collapsed: true,
+ label: '模型',
+ link: {
+ type: 'doc',
+ id: 'models',
+ },
+ items: [
+ {
+ type: 'doc',
+ id: 'models/cards',
+ },
+ {
+ type: 'doc',
+ id: 'models/uploading',
+ },
+ {
+ type: 'doc',
+ id: 'gai/gai',
+ },
+ {
+ type: 'doc',
+ id: 'models/downloading',
+ },
+ {
+ type: 'doc',
+ id: 'models/widgets',
+ },
+ {
+ type: 'doc',
+ id: 'models/model-engine-api',
+ },
+ {
+ type: 'doc',
+ id: 'models/download-stats',
+ },
+ ],
+ },
+ {
+ type: 'category',
+ collapsed: true,
+ label: '数据集',
+ link: {
+ type: 'doc',
+ id: 'datasets',
+ },
+ items: [
+ {
+ type: 'doc',
+ id: 'datasets/cards',
+ },
+ {
+ type: 'doc',
+ id: 'datasets/uploading',
+ },
+ {
+ type: 'doc',
+ id: 'datasets/downloading',
+ },
+ ],
+ },
+ {
+ type: 'category',
+ collapsed: true,
+ label: '应用',
+ link: {
+ type: 'doc',
+ id: 'apps',
+ },
+ items: [
+ {
+ type: 'doc',
+ id: 'apps/overview',
+ },
+ {
+ type: 'doc',
+ id: 'apps/gpu-upgrades',
+ },
+ {
+ type: 'doc',
+ id: 'apps/storage',
+ },
+ {
+ type: 'doc',
+ id: 'apps/sdks-gradio',
+ },
+ {
+ type: 'doc',
+ id: 'apps/sdks-streamlit',
+ },
+ {
+ type: 'doc',
+ id: 'apps/sdks-static',
+ },
+ {
+ type: 'doc',
+ id: 'apps/sdks-docker',
+ },
+ {
+ type: 'doc',
+ id: 'apps/china-computing-power',
+ },
+ {
+ type: 'doc',
+ id: 'apps/qa',
+ },
+ ],
+ },
+ {
+ type: 'category',
+ collapsed: true,
+ label: '模型微调',
+ link: {
+ type: 'doc',
+ id: 'training',
+ },
+ items: [
+ {
+ type: 'doc',
+ id: 'training/guide',
+ },
+ ],
+ },
+ {
+ type: 'category',
+ collapsed: true,
+ label: '引擎',
+ items: [
+ {
+ type: 'doc',
+ id: 'engines/model-engine',
+ },
+ ],
+ },
+ {
+ type: 'doc',
+ id: 'repositories',
+ },
+
+ {
+ type: 'category',
+ collapsed: true,
+ label: '个人与组织',
+ items: [
+ {
+ type: 'doc',
+ id: 'organization/personal-dashboard',
+ },
+
+ {
+ type: 'doc',
+ id: 'organization/create-organization',
+ },
+ {
+ type: 'doc',
+ id: 'organization/organization-dashboard',
+ },
+ {
+ type: 'doc',
+ id: 'organization/organization-management',
+ },
+ {
+ type: 'doc',
+ id: 'organization/access-token',
+ },
+ {
+ type: 'doc',
+ id: 'organization/statistics',
+ },
+ ],
+ },
+ {
+ type: 'category',
+ collapsed: true,
+ label: '费用与订单',
+ items: [
+ {
+ type: 'doc',
+ id: 'billing/balance',
+ },
+ {
+ type: 'doc',
+ id: 'billing/orders',
+ },
+ ],
},
- ],
+
+ ]
},
+
+
+
{
type: 'doc',
id: 'question-answer',