Add Mermaid diagram support and update architecture documentation

- Included a new JavaScript file for Mermaid configuration to ensure consistent diagram sizing across documentation.
- Enhanced architecture documentation to reflect the updated pipeline engine structure, including VAD, ASR, TD, LLM, and TTS components.
- Updated various sections to clarify the integration of external services and tools within the architecture.
- Improved styling for Mermaid diagrams to enhance visual consistency and usability.

docs/content/concepts/engines.md

@@ -19,23 +19,25 @@
 
 ### 架构设计
 
-管线式引擎将语音交互拆分为三个独立阶段：
+管线式引擎包含 **声音活动检测（VAD）**、**语音识别（ASR）**、**回合检测（TD）**、**大语言模型（LLM）**、**语音合成（TTS）**，各环节可对接**外部服务**（OpenAI、SiliconFlow、DashScope、本地模型）。LLM 可连接**工具**（Webhook、客户端工具、内建工具）。
 
 ```mermaid
 flowchart LR
     subgraph Input["输入处理"]
-        Audio[用户音频] --> VAD[VAD 检测]
-        VAD --> ASR[语音识别]
+        Audio[用户音频] --> VAD[声音活动检测 VAD]
+        VAD --> ASR[语音识别 ASR]
         ASR --> Text[转写文本]
+        Text --> TD[回合检测 TD]
     end
 
     subgraph Process["语义处理"]
-        Text --> LLM[大语言模型]
+        TD --> LLM[大语言模型 LLM]
         LLM --> Response[回复文本]
+        LLM --> Tools[工具]
     end
 
     subgraph Output["输出生成"]
-        Response --> TTS[语音合成]
+        Response --> TTS[语音合成 TTS]
         TTS --> OutputAudio[助手音频]
     end
 ```
@@ -55,7 +57,7 @@ sequenceDiagram
     Note over E: VAD 检测语音活动
     E->>E: 累积音频缓冲
     
-    Note over E: 检测到语音结束 (EOU)
+    Note over E: 回合检测 (TD) 确定可送 LLM 的输入
     E->>ASR: 发送音频
     ASR-->>E: 转写文本 (流式)
     E-->>U: transcript.delta
@@ -111,9 +113,21 @@ gantt
 
 ---
 
-## 多模态引擎 (Multimodal)
+## 实时交互引擎与多模态
 
-### 架构设计
+### 实时交互引擎连接
+
+实时交互引擎可连接**实时交互引擎**后端，包括：
+
+| 后端 | 说明 |
+|------|------|
+| **OpenAI Realtime** | OpenAI 实时语音模型 |
+| **Gemini Live** | Google 实时多模态 |
+| **Doubao 实时交互引擎** | 豆包实时交互 |
+
+实时交互引擎与管线式引擎中的 LLM 一样，均可连接**工具**：Webhook、客户端工具、内建工具。
+
+### 多模态引擎架构
 
 多模态引擎使用端到端模型，直接处理音频输入输出：
 
@@ -127,12 +141,13 @@ flowchart LR
     subgraph Engine["引擎"]
         AudioIn --> RT[Realtime Model]
         RT --> AudioOut
+        RT --> Tools[工具]
     end
 
-    subgraph Model["多模态模型"]
-        RT --> GPT4o[GPT-4o Realtime]
+    subgraph Model["实时交互引擎"]
+        RT --> GPT4o[OpenAI Realtime]
         RT --> Gemini[Gemini Live]
-        RT --> Step[Step Audio]
+        RT --> Doubao[Doubao 实时]
     end
 ```
 
@@ -155,13 +170,24 @@ sequenceDiagram
     Note over U,RT: 支持全双工<br/>用户可随时打断
 ```
 
-### 支持的模型
+### 外部服务（管线式）
+
+管线式引擎各环节可选用以下**外部服务**：
+
+| 服务 | 说明 |
+|------|------|
+| **OpenAI** | LLM / ASR / TTS 等 |
+| **SiliconFlow** | 国内 API 服务 |
+| **DashScope** | 阿里云灵积 |
+| **本地模型** | 私有化部署模型 |
+
+### 支持的实时交互模型
 
 | 模型 | 供应商 | 特点 |
 |------|--------|------|
-| **GPT-4o Realtime** | OpenAI | 最自然的语音，延迟极低 |
+| **OpenAI Realtime** | OpenAI | 最自然的语音，延迟极低 |
 | **Gemini Live** | Google | 多模态能力强 |
-| **Step Audio** | 阶跃星辰 | 国内可用，中文优化 |
+| **Doubao 实时交互** | 字节跳动 | 国内可用，中文优化 |
 
 ### 延迟对比