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/overview/architecture.md

@@ -31,9 +31,16 @@ flowchart TB
     end
 
     subgraph External["外部服务"]
-        LLM[LLM 服务]
-        ASR[ASR 服务]
-        TTS[TTS 服务]
+        OpenAI[OpenAI]
+        SiliconFlow[SiliconFlow]
+        DashScope[DashScope]
+        LocalModel[本地模型]
+    end
+
+    subgraph Tools["工具"]
+        Webhook[Webhook]
+        ClientTool[客户端工具]
+        Builtin[内建工具]
     end
 
     Browser --> WebApp
@@ -44,9 +51,8 @@ flowchart TB
     API <--> DB
     API <--> FileStore
     Engine <--> API
-    Engine --> LLM
-    Engine --> ASR
-    Engine --> TTS
+    Engine --> External
+    Engine --> Tools
 ```
 
 ---
@@ -60,7 +66,7 @@ flowchart TB
 | 功能模块 | 说明 |
 |---------|------|
 | 助手管理 | 创建、配置、测试智能助手 |
-| 资源库 | LLM/ASR/TTS 模型管理 |
+| 资源库 | LLM/ASR/TTS/VAD 等模型管理 |
 | 知识库 | RAG 文档上传与管理 |
 | 历史记录 | 会话日志查询与回放 |
 | 仪表盘 | 实时数据统计 |
@@ -103,45 +109,74 @@ flowchart TB
         SM[会话管理器]
         
         subgraph Pipeline["管线式引擎"]
-            VAD[VAD 检测]
-            ASR[语音识别]
-            LLM[大语言模型]
-            TTS[语音合成]
+            VAD[声音活动检测 VAD]
+            ASR[语音识别 ASR]
+            TD[回合检测 TD]
+            LLM[大语言模型 LLM]
+            TTS[语音合成 TTS]
         end
         
-        subgraph Multimodal["多模态引擎"]
-            RT[Realtime Model<br/>GPT-4o / Gemini]
+        subgraph Realtime["实时交互引擎连接"]
+            RTOpenAI[OpenAI Realtime]
+            RTGemini[Gemini Live]
+            RTDoubao[Doubao 实时交互]
+        end
+        
+        subgraph Tools["工具"]
+            Webhook[Webhook]
+            ClientTool[客户端工具]
+            Builtin[内建工具]
         end
     end
 
     Client[客户端] -->|音频流| WS
     WS --> SM
     SM --> Pipeline
-    SM --> Multimodal
+    SM --> Realtime
+    Pipeline --> LLM
+    LLM --> Tools
+    Realtime --> Tools
     Pipeline -->|文本/音频| WS
-    Multimodal -->|文本/音频| WS
+    Realtime -->|文本/音频| WS
 ```
 
+### 外部服务与工具
+
+| 类别 | 说明 | 可选项 |
+|------|------|--------|
+| **外部服务** | 管线式引擎各环节所依赖的云/本地服务 | OpenAI、SiliconFlow、DashScope、本地模型 |
+| **实时交互引擎** | 实时交互引擎可连接的后端 | OpenAI Realtime、Gemini Live、Doubao 实时交互引擎 |
+| **工具** | 管线式 LLM 与实时交互引擎均可调用 | Webhook、客户端工具、内建工具 |
+
 ---
 
 ## 引擎架构
 
 ### 管线式全双工引擎
 
-传统方案，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）**。外部服务可选用 **OpenAI**、**SiliconFlow**、**DashScope**、**本地模型**。LLM 可连接**工具**（Webhook、客户端工具、内建工具）。
 
 ```mermaid
 sequenceDiagram
     participant C as 客户端
     participant E as 引擎
+    participant VAD as VAD
     participant ASR as 语音识别
+    participant TD as 回合检测
     participant LLM as 大语言模型
     participant TTS as 语音合成
+    participant Tools as 工具
 
     C->>E: 音频流 (PCM)
+    E->>VAD: 检测语音活动
+    VAD-->>E: 有效语音段
     E->>ASR: 语音转文字
     ASR-->>E: 转写文本
+    E->>TD: 回合边界
+    TD-->>E: 可送 LLM 的输入
     E->>LLM: 生成回复
+    LLM->>Tools: 可选：调用工具
+    Tools-->>LLM: 工具结果
     LLM-->>E: 回复文本 (流式)
     E->>TTS: 文字转语音
     TTS-->>E: 音频流
@@ -150,10 +185,15 @@ sequenceDiagram
 
 **特点：**
 
-- 灵活选择各环节供应商
-- 可独立优化每个环节
+- 灵活选择各环节供应商（OpenAI、SiliconFlow、DashScope、本地模型）
+- 可独立优化 VAD、ASR、TD、LLM、TTS 每个环节
+- LLM 与工具联动（Webhook、客户端工具、内建工具）
 - 延迟约 500-1500ms
 
+### 实时交互引擎
+
+实时交互引擎可连接**实时交互引擎**，包括 **OpenAI Realtime**、**Gemini Live**、**Doubao 实时交互引擎**等，同样可连接**工具**（Webhook、客户端工具、内建工具）。
+
 ### 原生多模态引擎
 
 使用端到端多模态模型（如 GPT-4o Realtime）：