doc: update doc. (#30453)

docs/zh/06-advanced/06-TDgpt/02-tutorial.md

@@ -6,11 +6,11 @@ sidebar_label: "安装部署"
 import PkgListV3 from "/components/PkgListV3";
 
 
-# 使用 TDgpt Docker 镜像
+## 使用 TDgpt Docker 镜像
 
 本节首先介绍如何通过 Docker 快速使用 TDgpt。
 
-## 启动 TDgpt
+### 启动 TDgpt
 
 如果已经安装了 Docker，首先拉取最新的 TDengine 容器镜像：
 
@@ -47,13 +47,13 @@ docker exec -it <container name> bash
 然后就可以执行相关的 Linux 命令操作和访问 TDengine。
 
 
-# 注册云服务使用 TDgpt
+## 注册云服务使用 TDgpt
 
 TDgpt 可以在 TDengine Cloud 上进行快速体验。如果您已经有云服务账号，请在数据库集市里面找到“时序数据预测分析数据集”数据库，点击启用就可以进入这个数据库，然后按照 TDgpt 的 SQL 操作手册来执行语句，比如 `select forecast(val, 'algo=tdtsfm_1') from forecast.electricity_demand;`。
 
-# 通过安装包部署 TDgpt
+## 通过安装包部署 TDgpt
 
-## 环境准备
+### 环境准备
 
 使用 TDgpt 的高级时序数据分析功能需要在 TDengine 集群中安装部署Taos AI node（Anode）。Anode 运行在 Linux 平台上，并需要 3.10 或以上版本的 Python 环境支持。
 
@@ -61,7 +61,7 @@ TDgpt 可以在 TDengine Cloud 上进行快速体验。如果您已经有云服
 
 可以使用以下的命令在 Ubuntu Linux 上安装 Python 3.10 环境
 
-### 安装 Python
+#### 安装 Python
 
 ```shell
 sudo apt-get install software-properties-common
@@ -74,7 +74,7 @@ sudo apt install python3.10-venv
 sudo apt install python3.10-dev
 ```
 
-### 安装 PiPy
+#### 安装 PiPy
 
 ```shell
 curl -sS https://bootstrap.pypa.io/get-pip.py | python3.10
@@ -86,7 +86,7 @@ export PATH=$PATH:~/.local/bin
 ```
 至此 Python 环境准备完成，可以进行 taosanode 的安装和部署。
 
-## 获取安装包
+### 获取安装包
 1. 从列表中下载获得 tar.gz 安装包：
 
    <PkgListV3 type={9}/>
@@ -98,7 +98,7 @@ export PATH=$PATH:~/.local/bin
 tar -zxvf TDengine-TDgpt-<version>-Linux-x64.tar.gz
 ```
 
-## 执行安装脚本
+### 执行安装脚本
 
 解压文件后，进入相应子目录，执行其中的 `install.sh` 安装脚本：
 请将 `<version>` 替换为下载的安装包版本
@@ -110,11 +110,11 @@ sudo ./install.sh
 
 为了避免影响系统已有的 Python 环境，Anode 使用虚拟环境运行。安装 Anode 会在目录 `/var/lib/taos/taosanode/venv/` 中创建默认的 Python 虚拟环境，Anode 运行所需要的库均安装在该目录下。为了避免反复安装虚拟环境带来的开销，卸载命令 `rmtaosanode` 并不会自动删除该虚拟环境，如果您确认不再需要 Python 的虚拟环境，手动删除该目录即可。
 
-## 激活使用虚拟环境
+### 激活使用虚拟环境
 
 为了避免安装操作系统的Python 环境， TDgpt 安装过程中会自动创建一个虚拟环境，该虚拟环境默认创建的路径在 `/var/lib/taos/taosanode/venv/`。创建完成该虚拟环境，该虚拟环境通过 PiPy 安装了支持 TDgpt 运行所必须的 Python 依赖库。
 该虚拟环境不会被卸载脚本 `rmtaosanode` 删除，当您确认不再需要该虚拟环境的时候，需要手动删除该虚拟环境。
 后续如果您需要开发自己的算法模型，并能够 TDgpt 正确调用，需要将新的依赖库通过虚拟环境的 Pip 正确地安装。
 
-## 卸载
+### 卸载
 卸载 TDgpt，执行 `rmtaosanode` 即可。 安装过程中自动安装的虚拟环境不会被自动删除，用户确认不再需要的时候，需要手动删除该虚拟环境。

docs/zh/06-advanced/06-TDgpt/07-dev/02-algo/index.md

@@ -0,0 +1,14 @@
+---
+sidebar_label: 添加算法模型
+title: 添加算法模型
+---
+
+本章主要介绍如何向 TDgpt 添加自定义的预测分析和异常检测算法模型。
+
+
+```mdx-code-block
+import DocCardList from '@theme/DocCardList';
+import {useCurrentSidebarCategory} from '@docusaurus/theme-common';
+
+<DocCardList items={useCurrentSidebarCategory().items}/>
+```

docs/zh/06-advanced/06-TDgpt/07-dev/04-tsfm/02-deploy-timemoe.md

@@ -1,9 +1,9 @@
 ---
-title: "部署时序基础模型"
+title: "部署 Time-MoE 模型"
-sidebar_label: "部署时序基础模型"
+sidebar_label: "部署 Time-MoE 模型"
 ---
 
-# 准备环境运行环境
+# 准备环境
 
 为了使用时间序列基础模型，需要在本地部署环境支持其运行。首先需要准备 Python 环境。使用 PiPy 安装必要的依赖包：
 
@@ -16,6 +16,8 @@ pip install accelerate
 
 # 设置服务端口和 URL 地址
 
+TDgpt 安装根目录下的 `./lib/taosanalytics/time-moe.py` 文件负责 Time-MoE 模型的部署和服务，修改该问题设置合适的服务 URL 和服务端口即可。
+
 ```Python
 @app.route('/ds_predict', methods=['POST'])
 def time_moe():

docs/zh/06-advanced/06-TDgpt/07-dev/04-tsfm/04-add-model.md

@@ -0,0 +1,40 @@
+---
+title: "添加模型服务"
+sidebar_label: "添加模型服务"
+---
+
+TDgpt 默认已经内置了 Time-MoE 模型的支持功能， 执行 `show anodes full`，可以看到 Time-MoE 的预测服务 `timemoe-fc`，现在只适配了预测服务，所以其后增加了后缀名 fc。
+```shell
+taos> show anodes full;
+     id      |            type            |              algo              |
+============================================================================
+           1 | anomaly-detection          | grubbs                         |
+           1 | anomaly-detection          | lof                            |
+           1 | anomaly-detection          | shesd                          |
+           1 | anomaly-detection          | ksigma                         |
+           1 | anomaly-detection          | iqr                            |
+           1 | anomaly-detection          | sample_ad_model                |
+           1 | forecast                   | arima                          |
+           1 | forecast                   | holtwinters                    |
+           1 | forecast                   | tdtsfm_1                       |
+           1 | forecast                   | timemoe-fc                     |
+```
+
+正确调用 Time-MoE 模型的时间序列数据预测能力，需要您在本地或云端已经部署完成 Time-MoE 服务（需要执行 `./taosanode/lib/taosanalytics/time-moe.py` 的脚本部署 Time-MoE
+服务。具体过程请参见 [部署 Time-MoE 服务](./02-deploy-timemoe)）。
+
+修改 `/etc/taos/taosanode.ini` 配置文件中如下部分：
+
+```ini
+[tsfm-service]
+timemoe-fc = http://192.168.2.90:5001/ds_predict
+```
+
+设置正确的 IP 和端口，以及服务地址。
+
+然后重启 taosnode 服务，并更新服务端算法缓存列表 `update all anodes`，之后即可通过 SQL 语句调用 Time-MoE 的时间序列数据预测服务。
+
+```sql
+SELECT FORECAST(i32, 'algo=timemoe-fc') 
+FROM foo;
+```

docs/zh/06-advanced/06-TDgpt/07-dev/04-tsfm/index.md

@@ -0,0 +1,14 @@
+---
+sidebar_label: 添加时序基础模型
+title: 添加时序基础模型
+---
+
+本章主要介绍如何通过 TDgpt 使用开源时序基础模型，包括Time-MoE 等的时序功能。
+
+
+```mdx-code-block
+import DocCardList from '@theme/DocCardList';
+import {useCurrentSidebarCategory} from '@docusaurus/theme-common';
+
+<DocCardList items={useCurrentSidebarCategory().items}/>
+```