docs: refine Unified Tensor Protocol with Adapter+Facade patterns and Zero-Copy advantages

- Added precise design pattern description (Adapter Pattern for codec, Facade Pattern for TensorBus interface)
- Dynamic grid-joining: register new subnets at runtime via TensorBus.register()
- Hot-plug: add/remove subnets without interrupting system
- Zero-Copy via kernel bypass on HarmonyOS 6.1
- Hardware affinity: NPU/GPU native tensor operations
- High data fidelity: lossless transfer of high-dim feature maps & attention weights
- Runtime training: support creating subnets on-demand while system runs

README.md

@@ -77,9 +77,45 @@ graph TB
     LTC -.-> Cold
 ```
 
-## 通信机制：自定义张量协议
+## 通信机制：统一张量协议 (Unified Tensor Protocol)
 
-所有子网间不传递自然语言，而是通过**标准张量协议（Standard Tensor Protocol）**通信：
+所有子网间不传递自然语言，而是通过**统一张量协议**通信。该协议基于**适配器模式（Adapter Pattern）**和**门面模式（Facade Pattern）**设计，旨在解决模块异构性与通信效率问题。
+
+### 核心设计模式
+
+#### 适配器模式（编解码层）
+
+每个子网通过一个**编解码层（Codec Layer）**与外部通信，负责将子网内部的私有数据格式（如 PyTorch Tensor、MindSpore Tensor 或自定义结构）转换为统一的标准张量格式：
+
+```
+┌─────────────┐      ┌───────────────────┐      ┌─────────────┐
+│  子网内部     │ ──→  │  编码器 (Encoder)  │ ──→  │  标准张量    │
+│  私有格式     │      │  适配器: 内部→标准  │      │  (统一格式)  │
+└─────────────┘      └───────────────────┘      └─────────────┘
+                                                        │
+                                                        ▼
+┌─────────────┐      ┌───────────────────┐      ┌─────────────┐
+│  子网内部     │ ←──  │  解码器 (Decoder)  │ ←──  │  标准张量    │
+│  私有格式     │      │  适配器: 标准→内部  │      │  (统一格式)  │
+└─────────────┘      └───────────────────┘      └─────────────┘
+```
+
+**作用**：屏蔽不同子网/框架的实现差异。新的子网只要实现对应的编解码器（Adapter），就能接入系统，无需修改调度 Core 或其他已有模块的代码。
+
+#### 门面模式（统一张量接口）
+
+协议对外暴露统一的、简单的接口，隐藏底层复杂的通信过程：
+
+```python
+# 统一接口门面 (Facade)
+interface TensorBus:
+    def send(tensor: StandardTensor, target: str) -> None
+    def recv(source: str) -> StandardTensor
+```
+
+调度 Core 和各子网无需关心数据是通过鸿蒙软总线、NPU 共享显存还是 TCP/IP 传输，只需与统一的张量门面交互。
+
+### 标准张量格式
 
 ```
 ┌─────────────────────────────────────────────┐
@@ -92,7 +128,21 @@ graph TB
 └─────────────────────────────────────────────┘
 ```
 
-各模型通过**编码层（Encoder）**将内部张量转换为标准张量，通过**解码层（Decoder）**将标准张量还原为内部张量。
+### 核心优势
+
+#### 动态并网与即插即用
+- 新的子网只需实现编解码器即可向 Core 注册，实现**运行时热插拔**
+- 各子网独立迭代算法，接口不变即不影响系统稳定性
+- 支持运行时动态创建/销毁子网
+
+#### 零拷贝（Zero-Copy）
+在支持分布式能力的系统上，张量可通过**内核旁路技术**直接在设备间传递内存地址，避免将数据从 NPU/GPU 搬回 CPU 再打包的昂贵序列化开销。
+
+#### 硬件亲和性
+张量是 NPU/GPU 的**原生计算单元**，协议允许数据在设备内存池中直接流转，无需格式转换，大幅降低延迟和 CPU 占用。
+
+#### 高数据保真度
+相比于文本或 JSON 协议，张量能**无损传递高维特征图、注意力权重矩阵**等复杂数值结构，确保传递的是完整的
 
 ## 调度方式：启发式调度
 

docs/architecture-overview.md

@@ -49,9 +49,38 @@ NextAgent 采用**认知解耦架构（Cognitive Decoupled Architecture）**，
 └──────────┘ └─────────┘ └─────────┘ └─────────┘ └────────────────┘
 ```
 
-## 自定义张量协议（Standard Tensor Protocol）
+## 统一张量协议（Unified Tensor Protocol）
 
-这是 NextAgent 的核心创新——子网间通过标准化的张量格式通信，不传递自然语言。
+这是 NextAgent 的核心创新——子网间通过标准化的张量格式通信，不传递自然语言。该协议基于**适配器模式（Adapter Pattern）**和**门面模式（Facade Pattern）**设计，旨在解决多子网架构中的模块异构性与通信效率问题。
+
+### 核心设计模式
+
+#### 适配器模式（编解码层）
+
+每个子网通过一个编解码层（Codec Layer）与外部通信。该层充当**适配器**，负责将子网内部的私有数据格式（如 PyTorch Tensor、MindSpore Tensor 或自定义结构）转换为统一的标准张量格式。
+
+**作用**：屏蔽不同子网/框架的实现差异。新的子网只要实现对应的编解码器（Adapter），就能接入系统，无需修改调度 Core 或其他已有模块的代码。
+
+#### 门面模式（统一张量接口）
+
+协议对外暴露统一的、简单的接口，隐藏底层复杂的通信过程：
+
+```python
+class TensorBus:
+    """统一张量总线 - 门面模式"""
+    def send(tensor: StandardTensor, target: str) -> None:
+        # 隐藏了底层实现（共享内存/鸿蒙软总线/TCP/IP）
+        pass
+    
+    def recv(source: str) -> StandardTensor:
+        pass
+    
+    def register(subnet_id: str, codec: CodecAdapter) -> None:
+        """动态注册子网 - 运行时热插拔"""
+        pass
+```
+
+调度 Core 和各子网只需与统一的张量门面交互，无需关心底层通信细节。
 
 ### 标准张量格式
 
@@ -94,21 +123,38 @@ NextAgent 采用**认知解耦架构（Cognitive Decoupled Architecture）**，
 
 ### 编/解码机制
 
-每个子网都配备编码层和解码层：
+每个子网都配备适配器式的编解码层：
 
 ```
 ┌─────────────┐      ┌───────────────────┐      ┌─────────────┐
-│  子网内部    │ ──→  │  编码层 (Encoder)   │ ──→  │  标准张量    │
-│  内部张量    │      │  内部格式→标准格式  │      │  (通信格式)  │
+│  子网内部    │ ──→  │  编码适配器         │ ──→  │  标准张量    │
+│  内部格式    │      │  Adapter: 内部→标准  │      │  (统一格式)  │
 └─────────────┘      └───────────────────┘      └─────────────┘
                                                         │
                                                         ▼
 ┌─────────────┐      ┌───────────────────┐      ┌─────────────┐
-│  子网内部    │ ←──  │  解码层 (Decoder)   │ ←──  │  标准张量    │
-│  内部张量    │      │  标准格式→内部格式  │      │  (通信格式)  │
+│  子网内部    │ ←──  │  解码适配器         │ ←──  │  标准张量    │
+│  内部格式    │      │  Adapter: 标准→内部  │      │  (统一格式)  │
 └─────────────┘      └───────────────────┘      └─────────────┘
 ```
 
+### 核心优势
+
+#### 动态并网与即插即用
+- 新的子网只需实现编解码适配器，通过 `TensorBus.register()` 向 Core 注册即可接入
+- 支持**运行时热插拔**：不中断系统运行即可添加/移除子网
+- 各子网独立迭代算法，只要编解码接口不变，不影响系统稳定性
+- 支持运行时根据需求训练新的子网并动态接入
+
+#### 零拷贝（Zero-Copy）
+在 HarmonyOS 6.1 等具备分布式能力的系统上，张量可通过**内核旁路技术**直接在设备间传递内存地址，避免将数据从 NPU/GPU 搬回 CPU 再打包的昂贵序列化开销。
+
+#### 硬件亲和性
+张量是 NPU/GPU 的**原生计算单元**。协议允许数据在设备内存池中直接流转，无需经过格式转换，大幅降低延迟和 CPU 占用。
+
+#### 高数据保真度
+相比于文本或 JSON 协议，张量能**无损传递高维特征图、注意力权重矩阵**等复杂数值结构，确保传递的是完整的
+
 ## 调度 Core（前额叶皮层）
 
 调度 Core 是整个架构的**总指挥**，类比人脑的前额叶皮层。