docs: complete all English and Chinese documentation pages

Agent-Logs-Url: https://github.com/bytedance/deer-flow/sessions/a5f192e7-8034-4e46-af22-60b90ee27d40

Co-authored-by: foreleven <4785594+foreleven@users.noreply.github.com>

frontend/src/content/zh/tutorials/_meta.ts

@@ -0,0 +1,21 @@
+import type { MetaRecord } from "nextra";
+
+const meta: MetaRecord = {
+  "first-conversation": {
+    title: "第一次对话",
+  },
+  "create-your-first-harness": {
+    title: "创建你的第一个 Harness",
+  },
+  "use-tools-and-skills": {
+    title: "使用工具和技能",
+  },
+  "work-with-memory": {
+    title: "使用记忆系统",
+  },
+  "deploy-your-own-deerflow": {
+    title: "部署你的 DeerFlow",
+  },
+};
+
+export default meta;

frontend/src/content/zh/tutorials/create-your-first-harness.mdx

@@ -0,0 +1,83 @@
+# 创建你的第一个 Harness
+
+本教程介绍如何以编程方式使用 DeerFlow Harness Python SDK——直接在你的 Python 代码中导入和使用 DeerFlow，而不是通过 Web 界面。
+
+## 前置条件
+
+- Python 3.12+
+- 已安装 `uv`
+- 已克隆 DeerFlow 仓库
+
+## 安装
+
+```bash
+cd deer-flow/backend
+uv sync
+```
+
+## 创建配置
+
+创建一个最小的 `config.yaml`：
+
+```yaml
+config_version: 6
+
+models:
+  - name: gpt-4o
+    use: langchain_openai:ChatOpenAI
+    model: gpt-4o
+    api_key: $OPENAI_API_KEY
+
+sandbox:
+  use: deerflow.sandbox.local:LocalSandboxProvider
+
+tools:
+  - use: deerflow.community.ddg_search.tools:web_search_tool
+  - use: deerflow.sandbox.tools:read_file_tool
+  - use: deerflow.sandbox.tools:write_file_tool
+```
+
+## 编写代码
+
+创建 `my_agent.py`：
+
+```python
+import asyncio
+import os
+from deerflow.client import DeerFlowClient
+from deerflow.config import load_config
+
+# 设置 API Key
+os.environ["OPENAI_API_KEY"] = "sk-..."
+
+# 加载配置
+load_config()
+
+client = DeerFlowClient()
+
+async def main():
+    async for event in client.astream(
+        thread_id="my-first-thread",
+        message="用 Python 写一个斐波那契数列函数，包含文档字符串",
+        config={
+            "configurable": {
+                "model_name": "gpt-4o",
+            }
+        },
+    ):
+        print(event)
+
+asyncio.run(main())
+```
+
+## 运行
+
+```bash
+cd backend
+uv run python my_agent.py
+```
+
+## 下一步
+
+- [使用工具和技能](/docs/tutorials/use-tools-and-skills)
+- [快速上手](/docs/harness/quick-start)

frontend/src/content/zh/tutorials/deploy-your-own-deerflow.mdx

@@ -0,0 +1,67 @@
+# 部署你的 DeerFlow
+
+本教程引导你将 DeerFlow 部署到生产环境，使用 Docker Compose 进行多用户访问。
+
+## 前置条件
+
+- 已安装 Docker 和 Docker Compose
+- 服务器或 VM（Linux 推荐）
+- LLM API Key
+
+## 步骤
+
+### 1. 克隆仓库
+
+```bash
+git clone https://github.com/bytedance/deer-flow.git
+cd deer-flow
+```
+
+### 2. 创建配置文件
+
+```bash
+cp config.example.yaml config.yaml
+```
+
+编辑 `config.yaml` 添加你的模型配置。
+
+### 3. 创建环境变量文件
+
+```bash
+cat > .env << EOF
+OPENAI_API_KEY=sk-your-key-here
+DEER_FLOW_ROOT=$(pwd)
+BETTER_AUTH_SECRET=$(openssl rand -base64 32)
+BETTER_AUTH_URL=https://your-domain.com
+EOF
+```
+
+### 4. 启动服务
+
+```bash
+docker compose -f docker/docker-compose-dev.yaml up -d
+```
+
+### 5. 验证部署
+
+```bash
+# 检查所有服务健康状态
+curl http://localhost:2026/api/models
+
+# 查看服务日志
+docker compose -f docker/docker-compose-dev.yaml logs -f
+```
+
+访问 `http://your-server:2026` 开始使用。
+
+## 生产注意事项
+
+- 为 nginx 配置 HTTPS/TLS 证书
+- 将 `BETTER_AUTH_SECRET` 设置为强随机字符串
+- 配置防火墙只允许必要端口
+- 定期备份 `backend/.deer-flow/` 目录
+
+## 下一步
+
+- [部署指南（完整版）](/docs/application/deployment-guide)
+- [运维与排障](/docs/application/operations-and-troubleshooting)

frontend/src/content/zh/tutorials/first-conversation.mdx

@@ -0,0 +1,43 @@
+# 第一次对话
+
+本教程引导你在 DeerFlow 中完成第一次完整的 Agent 对话，从启动应用到与 Agent 进行实质性任务交互。
+
+## 前置条件
+
+- DeerFlow 应用已运行（参见[快速上手](/docs/application/quick-start)）
+- 至少在 `config.yaml` 中配置了一个模型
+
+## 步骤
+
+### 1. 打开工作区
+
+在浏览器中访问 [http://localhost:2026](http://localhost:2026)，你将看到对话工作区。
+
+### 2. 发送第一条消息
+
+在输入框中输入问题，例如：
+
+```
+研究 2024 年三大最受欢迎的开源大语言模型框架，并对比它们的优缺点。
+```
+
+按回车发送。
+
+### 3. 观察 Agent 的工作过程
+
+你将看到 Agent 进入工作状态：
+- 展开**思考步骤**查看它调用了哪些工具
+- 观察网络搜索结果的流入
+- 等待最终报告生成
+
+### 4. 与结果互动
+
+报告生成后，你可以：
+- 要求对某部分进行详细说明
+- 要求将报告导出为文件（Agent 会使用 `present_files` 工具）
+- 要求基于研究结果创建图表
+
+## 下一步
+
+- [使用工具和技能](/docs/tutorials/use-tools-and-skills)
+- [工作区使用](/docs/application/workspace-usage)

frontend/src/content/zh/tutorials/use-tools-and-skills.mdx

@@ -0,0 +1,47 @@
+# 使用工具和技能
+
+本教程介绍如何在 DeerFlow 中配置和使用工具（Tools）与技能（Skills），让 Agent 能够访问搜索、文件操作和特定领域能力。
+
+## 配置工具
+
+在 `config.yaml` 中添加工具：
+
+```yaml
+tools:
+  # 网络搜索
+  - use: deerflow.community.ddg_search.tools:web_search_tool
+
+  # 网页内容抓取
+  - use: deerflow.community.jina_ai.tools:web_fetch_tool
+
+  # 沙箱文件操作
+  - use: deerflow.sandbox.tools:ls_tool
+  - use: deerflow.sandbox.tools:read_file_tool
+  - use: deerflow.sandbox.tools:write_file_tool
+  - use: deerflow.sandbox.tools:bash_tool
+```
+
+## 启用技能
+
+通过 DeerFlow 应用界面的技能面板启用技能，或直接编辑 `extensions_config.json`。
+
+示例：启用深度研究技能
+
+1. 打开 DeerFlow 应用
+2. 点击侧边栏中的扩展/技能图标
+3. 找到 `deep-research`，切换为启用
+
+## 使用技能进行研究
+
+启用 `deep-research` 技能后，在对话中选择该技能，然后发送研究请求：
+
+```
+对量子计算的最新进展进行深度研究，重点关注实用化应用前景
+```
+
+Agent 将执行多步骤研究工作流，包括搜索、信息汇总和报告生成。
+
+## 下一步
+
+- [使用记忆系统](/docs/tutorials/work-with-memory)
+- [技能文档](/docs/harness/skills)

frontend/src/content/zh/tutorials/work-with-memory.mdx

@@ -0,0 +1,52 @@
+# 使用记忆系统
+
+本教程介绍如何在 DeerFlow 中启用和使用记忆系统，让 Agent 在多次会话中记住关于你的重要信息。
+
+## 启用记忆
+
+在 `config.yaml` 中启用记忆：
+
+```yaml
+memory:
+  enabled: true
+  injection_enabled: true
+  max_injection_tokens: 2000
+  debounce_seconds: 30
+```
+
+## 记忆的工作方式
+
+记忆通过 `MemoryMiddleware` 自动工作：
+
+1. **第一次对话**：告诉 Agent 关于你的偏好、项目或背景。
+2. **自动学习**：Agent 在后台提取并保存重要事实。
+3. **后续对话**：记忆事实自动注入到系统提示中，Agent 无需你重新解释背景。
+
+## 示例
+
+**第一次对话**：
+```
+我是一名 Python 后端开发者，主要使用 FastAPI 和 PostgreSQL。
+我的团队遵循 PEP 8 代码规范，偏好类型注解。
+请记住这些信息，在以后的代码建议中遵循这些规范。
+```
+
+**后续对话**（无需重复背景）：
+```
+帮我写一个用户认证模块
+```
+
+Agent 会自动生成符合 FastAPI 风格、带类型注解的代码。
+
+## 查看记忆
+
+记忆存储在 `backend/.deer-flow/memory.json`，你可以直接查看和编辑：
+
+```bash
+cat backend/.deer-flow/memory.json
+```
+
+## 下一步
+
+- [部署你的 DeerFlow](/docs/tutorials/deploy-your-own-deerflow)
+- [记忆系统文档](/docs/harness/memory)