AI Translate 01-dee to Simplified-Chinese (from #2897) (#2901)

* [INIT] Start translation to Simplified-Chinese

* 🌐 Translate 10-enterprise-features.md to Simplified-Chinese

* 🌐 Translate 10-enterprise-features.md to Simplified-Chinese

* 🌐 Translate 10-enterprise-features.md to Simplified-Chinese

* 🌐 Translate 10-enterprise-features.md to Simplified-Chinese

* 🌐 Translate 10-enterprise-features.md to Simplified-Chinese

* 🌐 Translate 10-enterprise-features.md to Simplified-Chinese

* 🌐 Translate 10-enterprise-features.md to Simplified-Chinese

* 🌐 Translate 10-enterprise-features.md to Simplified-Chinese

* 🌐 Translate 10-enterprise-features.md to Simplified-Chinese

* 🌐 Translate 10-enterprise-features.md to Simplified-Chinese

* chore: finalize translation for PR #2897

---------

Co-authored-by: github-actions[bot] <github-actions[bot]@users.noreply.github.com>

Author: github-actions[bot]

.translation-init

@@ -1,26 +1,26 @@
 ---
-title: 使用外部函数自定义 AI/ML
+title: 使用外部函数（External Functions）实现自定义 AI/ML
 ---
 
-# 使用外部函数自定义 AI/ML
+# 使用外部函数（External Functions）实现自定义 AI/ML
 
-通过将 Databend 与您自己的基础设施连接，构建强大的 AI/ML 能力。外部函数（External Function）让您能够部署自定义模型、利用 GPU 加速，并与任何 ML 框架集成，同时确保数据安全。
+通过将 Databend 与您自己的基础设施连接，构建强大的 AI/ML 能力。外部函数（External Functions）允许您部署自定义模型、利用 GPU 加速，并与任何 ML 框架集成，同时确保数据安全。
 
 ## 核心能力
 
-| 功能 | 优势 |
+| 特性 | 优势 |
 |---------|----------|
-| **自定义模型** | 使用任何开源或专有的 AI/ML 模型 |
-| **GPU 加速** | 部署在配备 GPU 的机器上以加快推理速度 |
-| **数据隐私** | 将数据保留在您的基础设施内 |
-| **可扩展性** | 独立扩展和资源优化 |
-| **灵活性** | 支持任何编程语言和 ML 框架 |
+| **自定义模型** | 使用任何开源或专有 AI/ML 模型 |
+| **GPU 加速** | 部署在配备 GPU 的机器上，实现更快推理 |
+| **数据隐私** | 数据始终保留在您的基础设施内 |
+| **可扩展性** | 独立扩展与资源优化 |
+| **灵活性** | 支持任意编程语言与 ML 框架 |
 
 ## 工作原理
 
-1. **创建 AI 服务器**：使用 Python 和 [databend-udf](https://pypi.org/project/databend-udf) 构建您的 AI/ML 服务器
-2. **注册函数**：使用 `CREATE FUNCTION` 将您的服务器连接到 Databend
-3. **在 SQL 中使用**：直接在 SQL 查询中调用您的自定义 AI 函数
+1. **创建 AI 服务器**：使用 Python 和 [databend-udf](https://pypi.org/project/databend-udf) 构建 AI/ML 服务器
+2. **注册函数**：通过 `CREATE FUNCTION` 将服务器接入 Databend
+3. **在 SQL 中使用**：直接在 SQL 查询中调用自定义 AI 函数
 
 ## 示例：文本嵌入函数
 
@@ -39,17 +39,17 @@ model = SentenceTransformer('all-mpnet-base-v2')  # 768 维向量
 def ai_embed_768(inputs: list[str], headers) -> list[list[float]]:
     """为输入文本生成 768 维嵌入"""
     try:
-        # 单批次处理输入
+        # 在单个批次中处理输入
         embeddings = model.encode(inputs)
         # 转换为列表格式
         return [embedding.tolist() for embedding in embeddings]
     except Exception as e:
         print(f"Error generating embeddings: {e}")
-        # 如果出错，则返回空列表
+        # 发生错误时返回空列表
         return [[] for _ in inputs]
 
 if __name__ == '__main__':
-    print("正在端口 8815 上启动嵌入 UDF 服务器...")
+    print("Starting embedding UDF server on port 8815...")
     server = UDFServer("0.0.0.0:8815")
     server.add_function(ai_embed_768)
     server.serve()
@@ -78,5 +78,5 @@ LIMIT 5;
 
 ## 了解更多
 
-- **[外部函数指南](/guides/ai-functions/external-functions)** - 完整的设置和部署说明
-- **[Databend Cloud](https://databend.cn)** - 使用免费账户试用外部函数
+- **[外部函数指南](/guides/ai-functions/external-functions)** - 完整的设置与部署说明
+- **[Databend Cloud](https://databend.cn)** - 免费账户体验外部函数