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/reference/concepts-glossary.mdx

@@ -0,0 +1,67 @@
+import { Callout } from "nextra/components";
+
+# 概念词汇表
+
+本词汇表定义了 DeerFlow 文档中使用的核心术语。
+
+---
+
+## Agent
+
+在 DeerFlow 中，Agent 是接收用户消息、决定采取什么行动（工具调用或直接响应），并生成输出的主要处理单元。DeerFlow 使用 **Lead Agent** 和**子 Agent** 两级架构。
+
+## Artifact（产出物）
+
+Agent 生成的文件——报告、图表、代码或其他交付物。产出物通过 `present_files` 工具暴露，并持久化存储在线程的用户数据目录中。
+
+## Checkpoint（检查点）
+
+线程状态的持久化快照，在每次 Agent 轮次后保存。检查点允许服务器重启后恢复对话，并支持长时序任务的状态管理。
+
+## Context Engineering（上下文工程）
+
+通过控制 Agent 在每个步骤可见的内容（通过摘要压缩、子 Agent 上下文隔离和外部文件记忆）来保持 Agent 在长时序任务中有效的实践。
+
+## Harness
+
+带有主张的 Agent 运行时，打包了工具访问、技能加载、沙箱执行、记忆、子 Agent 协调和上下文管理——而不仅仅是暴露抽象接口。
+
+## Lead Agent
+
+每个 DeerFlow 线程中的主要执行者，负责规划、工具调用和响应生成。基于 LangGraph + LangChain Agent 构建，由中间件链增强。
+
+## Long-horizon Agent（长时序 Agent）
+
+在一系列动作中保持有效的 Agent——进行规划、多次调用工具、管理中间文件，并生成最终产出物——而不是只产生单一答案。
+
+## Memory（记忆）
+
+跨多个独立对话会话持久化的结构化事实和用户上下文存储，在后续会话中注入到 Agent 的系统提示中。
+
+## Middleware（中间件）
+
+包裹每次 LLM 调用的插件，可以在模型调用前后读取和修改 Agent 状态。DeerFlow 使用中间件实现记忆、摘要压缩、标题生成等跨领域行为。
+
+## MCP（Model Context Protocol）
+
+连接语言模型与外部工具和数据源的开放标准。DeerFlow 的 MCP 集成允许连接任何兼容的工具服务器。
+
+## Sandbox（沙箱）
+
+Agent 进行文件和命令操作的隔离执行环境。DeerFlow 支持本地（`LocalSandboxProvider`）和基于容器（`AioSandboxProvider`）两种沙箱模式。
+
+## Skill（技能）
+
+面向任务的能力包，包含结构化指令、工作流程和最佳实践，按需加载到 Agent 上下文中。技能提供专业化而不污染通用 Agent 上下文。
+
+## Subagent（子 Agent）
+
+接受委派子任务的专注执行者，以隔离上下文运行，仅接收完成其分配任务所需的信息。
+
+## Thread（线程）
+
+对话及其所有相关状态——消息历史、产出物、待办列表和检查点数据——的完整封装。
+
+## ThreadState
+
+DeerFlow 中 LangGraph 管理的状态对象，包含 `messages`、`artifacts`、`todo_list` 和运行时元数据。