apache · imbajin · Mar 9, 2026 · Mar 9, 2026 · Mar 9, 2026 · Mar 9, 2026
diff --git a/content/cn/blog/_index.md b/content/cn/blog/_index.md
@@ -14,4 +14,4 @@ menu:
 - **HugeGraph-AI**: AI 与图计算结合的应用案例
 - **HugeGraph Computing (OLAP)**: 大规模图计算和分析实践
 
-探索更多内容，提升您的图数据库使用体验！
+探索更多内容，深入了解 HugeGraph 图系统的全栈能力！
diff --git a/content/cn/docs/guides/architectural.md b/content/cn/docs/guides/architectural.md
@@ -6,7 +6,7 @@ weight: 1
 
 ### 1 概述
 
-作为一款通用的图数据库产品，HugeGraph 需具备图数据库的基本功能。HugeGraph 支持 OLTP 和 OLAP 两种图计算类型，其中 OLTP 实现了 [Apache TinkerPop3](https://tinkerpop.apache.org) 框架，支持 [Gremlin](https://tinkerpop.apache.org/gremlin.html) 和 [Cypher](https://en.wikipedia.org/wiki/Cypher) 查询语言，拥有功能齐全的应用工具链，还提供了插件式后端存储驱动框架。
+作为一套覆盖**图数据库、图计算与图 AI** 的全栈图系统，HugeGraph 以高性能图引擎（HugeGraph Server）为核心，支持 OLTP 和 OLAP 两种图计算类型。其中 OLTP 层实现了 [Apache TinkerPop3](https://tinkerpop.apache.org) 框架，支持 [Gremlin](https://tinkerpop.apache.org/gremlin.html) 和 [Cypher](https://en.wikipedia.org/wiki/Cypher) 查询语言，拥有功能齐全的应用工具链，还提供了插件式后端存储驱动框架。
 
 下面是 HugeGraph 的整体架构图：
 

diff --git a/content/cn/docs/introduction/_index.md b/content/cn/docs/introduction/_index.md
@@ -7,95 +7,142 @@ aliases:
   - /cn/docs/introduction/README/
 ---
 
-### Summary
+### 什么是 Apache HugeGraph？
 
-Apache HugeGraph 是一款易用、高效、通用的开源图数据库系统（Graph Database，[GitHub 项目地址](https://github.com/apache/hugegraph)），
-实现了[Apache TinkerPop3](https://tinkerpop.apache.org)框架及完全兼容[Gremlin](https://tinkerpop.apache.org/gremlin.html)查询语言，
-同时支持 [Cypher](https://opencypher.org/) 查询语言（OpenCypher 标准），
-具备完善的工具链组件，助力用户轻松构建基于图数据库之上的应用和产品。HugeGraph 支持百亿以上的顶点和边快速导入，并提供毫秒级的关联关系查询能力（OLTP），
-并支持大规模分布式图分析（OLAP）。
+[Apache HugeGraph](https://hugegraph.apache.org/) 是一套易用、高效、通用的开源**全栈图系统**（[GitHub](https://github.com/apache/hugegraph)），
+覆盖**图数据库**（OLTP 实时查询）、**图计算**（OLAP 大规模分析）与**图 AI**（GraphRAG / 图机器学习）三大领域。
 
-HugeGraph 典型应用场景包括深度关系探索、关联分析、路径搜索、特征抽取、数据聚类、社区检测、知识图谱等，
-适用业务领域有如网络安全、电信诈骗、金融风控、广告推荐、社交网络和智能机器人等。
+HugeGraph 支持百亿以上的顶点和边的快速存储与查询，具备出色的 OLTP 性能。
+其图引擎完全兼容 [Apache TinkerPop 3](https://tinkerpop.apache.org) 框架，同时支持
+[Gremlin](https://tinkerpop.apache.org/gremlin.html) 和 [Cypher](https://en.wikipedia.org/wiki/Cypher)（OpenCypher 标准）双查询语言。
 
-本系统的主要应用场景是解决反欺诈、威胁情报、黑产打击等业务的图数据存储和建模分析需求，在此基础上逐步扩展及支持了更多的通用图应用。
+**典型应用场景：** 深度关系探索、关联分析、路径搜索、特征抽取、社区检测、知识图谱等，  
+**适用领域：** 网络安全、电信反欺诈、金融风控、广告推荐、社交网络、智能问答等。
 
-### Features
+---
+
+### 生态系统全景
+
+```
+┌──────────────────────────────────────────────────────────────┐
+│         Apache HugeGraph - Full-Stack Graph System           │
+├──────────────────┬────────────────────┬──────────────────────┤
+│  Graph DB (OLTP) │    Graph Compute   │       Graph AI       │
+│  HugeGraph       │  Vermeer (Memory)  │    HugeGraph-AI      │
+│  Server          │  Computer (Dist.)  │  GraphRAG/GNN/Py     │
+├──────────────────┴────────────────────┴──────────────────────┤
+│                    HugeGraph Toolchain                       │
+│  Hubble | Loader | Client(Java/Go/Py) | Spark | Tools        │
+└──────────────────────────────────────────────────────────────┘
+```
+
+---
+
+### 核心组件
+
+#### 🗄️ HugeGraph Server — 图引擎（OLTP）
+
+HugeGraph 项目的核心模块，提供高性能的图数据存储与实时查询能力：
+
+- **图引擎核心**：支持属性图（Property Graph）建模，包含 VertexLabel、EdgeLabel、PropertyKey、IndexLabel 完整 Schema 管理
+- **双查询语言**：全面兼容 Gremlin（TinkerPop 3）和 Cypher（OpenCypher）
+- **REST API**：内置 REST Server，提供 RESTful 图操作接口
+- **多类型索引**：精确查询、范围查询、复合条件组合查询
+- **插件式存储后端**：1.7.0+ 默认支持 `RocksDB`（单机默认）、`HStore`（分布式）、`HBase`、`Memory`，1.5.x 及以前还支持 MySQL / PostgreSQL / Cassandra 等
+
+**子模块：**
+- `Core` — 图引擎实现，向下连接 Backend，向上支持 API
+- `Backend` — 多后端存储适配层
+- `API` — RESTful 接入层，兼容 Gremlin/Cypher 查询
+
+📖 [Server 快速开始](/cn/docs/quickstart/hugegraph/hugegraph-server)
+
+---
+
+#### 📊 图计算引擎（OLAP）
+
+提供两种互补的图分析引擎：
+
+- **Vermeer**（推荐）：高性能纯内存图计算引擎，部署简单、响应快，适合中小规模图分析和快速上手
+- **HugeGraph-Computer**：基于 [Pregel](https://kowshik.github.io/JPregel/pregel_paper.pdf) 的分布式 OLAP 引擎，可运行在 Kubernetes / Yarn 上，适合超大规模图算法任务
+
+📖 [图计算快速开始](/cn/docs/quickstart/computing/hugegraph-computer)
+
+---
+
+#### 🤖 HugeGraph-AI — 图 AI 生态
 
-HugeGraph 支持在线及离线环境下的图操作，支持批量导入数据，支持高效的复杂关联关系分析，并且能够与大数据平台无缝集成。
-HugeGraph 支持多用户并行操作，用户可输入 Gremlin/Cypher 查询语句，并及时得到图查询结果，也可在用户程序中调用 HugeGraph API 进行图分析或查询。
+HugeGraph 独立的 AI 组件，连接图与大语言模型（LLM）：
 
-本系统具备如下特点：
+- **GraphRAG**：基于图的检索增强生成，实现 LLM 智能问答
+- **知识图谱构建**：自动从非结构化文本中提取实体和关系，构建知识图谱
+- **图神经网络**：支持 GNN 模型的训练与推理
+- **20+ 图机器学习算法**：内置丰富的图分析算法，持续更新
+- **Python Client**：为 AI 应用提供便捷的 Python SDK
 
-- 易用：HugeGraph 支持 Gremlin/Cypher 图查询语言与 RESTful API，同时提供图检索常用接口，具备功能齐全的周边工具，轻松实现基于图的各种查询分析运算。
-- 高效：HugeGraph 在图存储和图计算方面做了深度优化，提供多种批量导入工具，轻松完成百亿级数据快速导入，通过优化过的查询达到图检索的毫秒级响应。支持数千用户并发的在线实时操作。
-- 通用：HugeGraph 支持 Apache Gremlin 标准图查询语言和 Property Graph 标准图建模方法，支持基于图的 OLTP 和 OLAP 方案。集成 Apache Hadoop 及 Apache Spark 大数据平台。
-- 可扩展：支持分布式存储、数据多副本及横向扩容，内置多种后端存储引擎，也可插件式轻松扩展后端存储引擎。
-- 开放：HugeGraph 代码开源（Apache 2 License），客户可自主修改定制，选择性回馈开源社区。
+📖 [HugeGraph-AI 快速开始](/cn/docs/quickstart/hugegraph-ai/quick_start)
+
+---
+
+#### 🛠️ HugeGraph Toolchain — 工具链
+
+围绕图系统的完整工具生态（[toolchain 仓库](https://github.com/apache/hugegraph-toolchain)）：
+
+| 工具 | 说明 |
+|------|------|
+| [Hubble](/cn/docs/quickstart/toolchain/hugegraph-hubble) | Web 可视化平台：数据建模 → 批量导入 → 在线/离线分析 一站式操作 |
+| [Loader](/cn/docs/quickstart/toolchain/hugegraph-loader) | 数据导入工具：支持本地文件、HDFS、MySQL 等多数据源，TXT/CSV/JSON 等格式 |
+| [Client](/cn/docs/quickstart/client/hugegraph-client) | 多语言 SDK：Java / Python / Go |
+| [Spark-connector](/cn/docs/quickstart/toolchain/hugegraph-spark-connector) | Spark 集成：支持通过 Spark 批量读写图数据，适合大数据离线处理场景 |
+| [Tools](/cn/docs/quickstart/toolchain/hugegraph-tools) | 命令行运维工具：图管理、备份恢复、Gremlin 执行等 |
+
+---
 
 ### 部署模式
 
-HugeGraph 支持多种部署模式，满足不同规模和场景的需求：
+HugeGraph 支持两种主要部署模式：
+
+| 模式 | 核心组件 | 适用场景 | 数据规模 | 高可用 |
+|------|---------|---------|---------|-------|
+| **单机 (Standalone)** | Server + RocksDB | 开发、测试、单节点生产 | < 4TB | 基础 |
+| **分布式 (Distributed)** | Server + PD（3-5节点）+ Store（3+节点） | 生产环境、水平扩展 | < 1000TB | ✅ |
 
-**单机模式 (Standalone)**
-- Server + RocksDB 后端存储
-- 适合开发测试和中小规模数据（< 4TB）
-- Docker 快速启动: `docker run hugegraph/hugegraph`
-- 详见 [Server 快速开始](/cn/docs/quickstart/hugegraph/hugegraph-server)
+**Docker 快速体验：**
 
-**分布式模式 (Distributed)**
-- HugeGraph-PD: 元数据管理和集群调度
-- HugeGraph-Store (HStore): 分布式存储引擎
-- 支持水平扩展和高可用（< 1000TB 数据规模）
-- 适合生产环境和大规模图数据应用
+```bash
+docker run -itd --name=hugegraph -p 8080:8080 hugegraph/hugegraph
+```
+
+---
 
-### 快速入门指南
+### 快速入门导航
 
-| 使用场景 | 推荐路径 |
+| 我想要... | 从这里开始 |
 |---------|---------|
-| 快速体验 | [Docker 部署](/cn/docs/quickstart/hugegraph/hugegraph-server#docker) |
-| 构建 OLTP 应用 | Server → REST API / Gremlin / Cypher |
-| 图分析 (OLAP) | [Vermeer](/cn/docs/quickstart/computing/hugegraph-computer) (推荐) 或 Computer |
-| 构建 AI 应用 | [HugeGraph-AI](/cn/docs/quickstart/hugegraph-ai) (GraphRAG/知识图谱) |
-| 批量导入数据 | [Loader](/cn/docs/quickstart/toolchain/hugegraph-loader) + [Hubble](/cn/docs/quickstart/toolchain/hugegraph-hubble) |
-
-### 功能特性
-
-- 支持从多数据源批量导入数据 (包括本地文件、HDFS 文件、MySQL 数据库等数据源)，支持多种文件格式导入 (包括 TXT、CSV、JSON 等格式)
-- 具备可视化操作界面，可用于操作、分析及展示图，降低用户使用门槛
-- 优化的图接口：最短路径 (Shortest Path)、K 步连通子图 (K-neighbor)、K 步到达邻接点 (K-out)、个性化推荐算法 PersonalRank 等
-- 基于 Apache TinkerPop3 框架实现，支持 Gremlin 图查询语言
-- 支持属性图，顶点和边均可添加属性，支持丰富的属性类型
-- 具备独立的 Schema 元数据信息，拥有强大的图建模能力，方便第三方系统集成
-- 支持多顶点 ID 策略：支持主键 ID、支持自动生成 ID、支持用户自定义字符串 ID、支持用户自定义数字 ID	
-- 可以对边和顶点的属性建立索引，支持精确查询、范围查询、全文检索	
-- 存储系统采用插件方式，支持 RocksDB(单机/集群)、Cassandra、ScyllaDB、HBase、MySQL、PostgreSQL、Palo 以及 Memory 等
-- 与 HDFS、Spark/Flink、GraphX 等大数据系统集成，支持 BulkLoad 操作导入海量数据
-- 支持高可用 HA、数据多副本、备份恢复、监控、分布式 Trace 等
-
-### Modules
-
-- [HugeGraph-Server](/cn/docs/quickstart/hugegraph/hugegraph-server): HugeGraph-Server 是 HugeGraph 项目的核心部分，包含 Core、Backend、API 等子模块；
-  - Core：图引擎实现，向下连接 Backend 模块，向上支持 API 模块；
-  - Backend：实现将图数据存储到后端，支持的后端包括：Memory、Cassandra、ScyllaDB、RocksDB、HBase、MySQL 及 PostgreSQL，用户根据实际情况选择一种即可；
-  - API：内置 REST Server，向用户提供 RESTful API，同时完全兼容 Gremlin 查询。(支持分布式存储和计算下推)
-- [HugeGraph-Toolchain](https://github.com/apache/hugegraph-toolchain): (工具链)
-  - [HugeGraph-Client](/cn/docs/quickstart/client/hugegraph-client)：HugeGraph-Client 提供了 RESTful API 的客户端，用于连接 HugeGraph-Server，支持 Java/Python/Go 多语言版本；
-  - [HugeGraph-Loader](/cn/docs/quickstart/toolchain/hugegraph-loader)：HugeGraph-Loader 是基于 HugeGraph-Client 的数据导入工具，将普通文本数据转化为图形的顶点和边并插入图形数据库中；
-  - [HugeGraph-Hubble](/cn/docs/quickstart/toolchain/hugegraph-hubble)：HugeGraph-Hubble 是 HugeGraph 的 Web
-可视化管理平台，一站式可视化分析平台，平台涵盖了从数据建模，到数据快速导入，再到数据的在线、离线分析、以及图的统一管理的全过程；
-  - [HugeGraph-Tools](/cn/docs/quickstart/toolchain/hugegraph-tools)：HugeGraph-Tools 是 HugeGraph 的部署和管理工具，包括管理图、备份/恢复、Gremlin 执行等功能。
-- [HugeGraph-Computer](/cn/docs/quickstart/computing/hugegraph-computer)：HugeGraph-Computer 是分布式图处理系统 (OLAP)。
-  它是 [Pregel](https://kowshik.github.io/JPregel/pregel_paper.pdf) 的一个实现。它可以运行在 Kubernetes/Yarn
-  等集群上，支持超大规模图计算。同时提供 Vermeer 轻量级图计算引擎，适合快速开始和中小规模图分析。
-- [HugeGraph-AI](/cn/docs/quickstart/hugegraph-ai)：HugeGraph-AI 是 HugeGraph 独立的 AI
-  组件，提供 LLM/GraphRAG 智能问答、自动化知识图谱构建、图神经网络训练/推理、Python-Client 等功能，内置 20+ 图机器学习算法，持续更新中。
-
-### Contact Us
-
-- [GitHub Issues](https://github.com/apache/hugegraph/issues): 使用途中出现问题或提供功能性建议，可通过此反馈 (推荐)
-- 邮件反馈：[dev@hugegraph.apache.org](mailto:dev@hugegraph.apache.org) ([邮箱订阅方式](https://hugegraph.apache.org/docs/contribution-guidelines/subscribe/))
-- SEC 反馈： [security@hugegraph.apache.org](mailto:security@hugegraph.apache.org) (报告安全相关问题)
-- 微信公众号：Apache HugeGraph, 欢迎扫描下方二维码加入我们！
-
- <img src="https://github.com/apache/hugegraph-doc/blob/master/assets/images/wechat.png?raw=true" alt="QR png" width="300"/>
+| 🚀 **快速体验** | [Docker 部署](/cn/docs/quickstart/hugegraph/hugegraph-server) |
+| 🔍 **运行图查询** (OLTP) | [HugeGraph Server 快速开始](/cn/docs/quickstart/hugegraph/hugegraph-server) |
+| 📈 **大规模图计算** (OLAP) | [Vermeer / Computer](/cn/docs/quickstart/computing/hugegraph-computer) |
+| 🤖 **构建 AI/RAG 应用** | [HugeGraph-AI](/cn/docs/quickstart/hugegraph-ai/quick_start) |
+| 📥 **批量导入数据** | [HugeGraph Loader](/cn/docs/quickstart/toolchain/hugegraph-loader) |
+| 🖥️ **可视化管理** | [Hubble Web UI](/cn/docs/quickstart/toolchain/hugegraph-hubble) |
+
+---
+
+### 系统特性
+
+- **易用**：Gremlin/Cypher 双查询语言 + RESTful API，功能齐全的工具链，轻松上手
+- **高效**：图存储与查询深度优化，毫秒级响应，支持数千并发在线操作，百亿级数据快速导入
+- **通用**：支持 OLTP + OLAP 双模式，无缝对接 Apache Hadoop、Spark、Flink 大数据生态
+- **可扩展**：分布式存储、数据多副本、横向扩容，插件式后端可灵活扩展
+- **开放**：Apache 2.0 License，完全开源，欢迎社区贡献
+
+---
+
+### 联系我们
+
+- [GitHub Issues](https://github.com/apache/hugegraph/issues)：问题反馈与功能建议（推荐）
+- 邮件：[dev@hugegraph.apache.org](mailto:dev@hugegraph.apache.org)（[订阅方式](/cn/docs/contribution-guidelines/subscribe/)）
+- 安全问题：[security@hugegraph.apache.org](mailto:security@hugegraph.apache.org)
+- 微信公众号：Apache HugeGraph
+
+<img src="https://github.com/apache/hugegraph-doc/blob/master/assets/images/wechat.png?raw=true" alt="微信公众号二维码" width="300"/>
diff --git a/content/en/blog/_index.md b/content/en/blog/_index.md
@@ -14,4 +14,4 @@ Here you will find technical articles, best practices, and community updates fro
 - **HugeGraph-AI**: Application cases combining AI with graph computing  
 - **HugeGraph Computing (OLAP)**: Large-scale graph computing and analytical practices  
 
-Explore more content to enhance your graph database experience!
+Explore more content to deeply understand the full-stack capabilities of the HugeGraph system!
diff --git a/content/en/docs/guides/architectural.md b/content/en/docs/guides/architectural.md
@@ -6,7 +6,7 @@ weight: 1
 
 ### 1 Overview
 
-As a general-purpose graph database product, HugeGraph needs to possess basic graph database functionality. HugeGraph supports two types of graph computation: OLTP and OLAP. For OLTP, it implements the [Apache TinkerPop3](https://tinkerpop.apache.org) framework and supports the [Gremlin](https://tinkerpop.apache.org/gremlin.html) and [Cypher](https://en.wikipedia.org/wiki/Cypher) query languages. It comes with a complete application toolchain and provides a plugin-based backend storage driver framework.
+As a full-stack graph system covering **Graph Database, Graph Computing, and Graph AI**, HugeGraph is centered around a high-performance graph engine (HugeGraph Server) and supports both OLTP and OLAP graph computation types. For the OLTP layer, it implements the [Apache TinkerPop3](https://tinkerpop.apache.org) framework and supports the [Gremlin](https://tinkerpop.apache.org/gremlin.html) and [Cypher](https://en.wikipedia.org/wiki/Cypher) query languages. It comes with a complete application toolchain and provides a pluggable backend storage driver framework.
 
 Below is the overall architecture diagram of HugeGraph: