[improvement][docs]update README and architecture diagram

README_CN.md

@@ -8,19 +8,20 @@
 
 大型语言模型（LLMs）如ChatGPT的出现正在重塑信息检索的方式。在数据分析领域，学术界和工业界主要关注利用深度学习模型将自然语言查询转换为SQL查询。虽然一些工作显示出有前景的结果，但它们还并不适用于实际场景。
 
-在我们看来，为了在实际场景发挥价值，有两个关键点：
+在我们看来，为了在实际场景发挥价值，有三个关键点：
 1. 将基于规则和基于模型的语义解析器相结合，发挥各自优势，以便处理不同的场景。
 2. 引入语义模型层来封装数据底层的复杂性（关联、公式等），从而简化语义解析的求解空间。
+3. 整合第三方插件用于增强语义解析能力，或者扩充自定义功能。
 
 为了验证上述想法，我们开发了超音数项目，并将其应用在实际的内部产品中。与此同时，我们将超音数作为一个可扩展的框架开源，希望能够促进数据问答对话领域的进一步发展。
 
 ## 开箱即用的特性
 
-- 内置图形界面以便业务用户输入数据查询。
-- 内置图形界面以便分析工程师管理语义模型。
+- 内置的对话图形界面，使用户能够通过自然语言问询，并最终选择合适的可视化图表呈现结果。
+- 内置的建模图形界面，使分析工程师能够通过可视化方式定义和维护语义模型，与访问权限和聊天对话相关的配置也可以在用户界面上设置。
 - 支持文本输入的联想和查询问题的推荐。
 - 支持多轮对话，根据语境自动切换上下文。
-- 支持三级权限控制：主题域级、列级、行级。
+- 支持四级权限控制：主题域级、模型级、列级及行级。
 
 ## 易于扩展的组件
 
@@ -28,15 +29,13 @@
 
 <img src="./docs/images/supersonic_components.png" height="70%" width="70%" align="center"/> 
 
-- **问答对话界面(chat interface)**：接受用户查询并选择合适的可视化图表呈现结果，支持输入联想和多轮对话。
-
-- **语义建模界面(modeling interface)**：使分析工程师能够通过可视化方式定义和维护语义模型，与访问权限和聊天对话相关的配置也可以在用户界面上设置。
-
 - **模式映射器(schema mapper chain)**：基于语义模型构建知识库，然后将自然语言文本在知识库中进行匹配，为后续的语义解析提供相关信息。
 
 - **语义解析器(semantic parser chain)**：理解用户查询并抽取语义信息，其由一组基于规则和基于模型的解析器组成，每个解析器可应对不同的特定场景。
 
-- **语义查询(semantic query)**: 根据语义信息生成物理SQL执行查询。
+- **语义层(semantic layer)**: 根据语义信息生成物理SQL执行查询。
+
+- **问答插件(chat plugins)**：基于模式映射和语义解析的结果，执行自定义的操作，同时可以选择利用语义层来查询语义模型。
 
 ## 快速体验