feat(docs): update computer fundamentals content and demos

- Refactor frontend framework demo descriptions for clarity
- Remove interactive features from triad and field map demos
- Add new computer organization and DSL documentation links
- Split type systems and compilers into separate pages
- Enhance power-on-to-web article with relay race analogy
- Add new interactive demos for type systems and compilation
- Improve visual presentation of boot process and hardware flow
- Introduce new Vibe Coding flow demo component

docs/zh-cn/appendix/1-computer-fundamentals/vibe-coding-fullstack.md

@@ -33,19 +33,7 @@
 
 想象一下以前的软件开发：
 
-```
-传统开发流程：
-你 → 学习语法 → 写代码 → 调试 → 查文档 → 修改 → 运行
-        ↑___________________反复循环___________________↓
-```
-
-现在有了 AI 辅助：
-
-```
-Vibe Coding 流程：
-你 → 用自然语言描述需求 → AI 生成代码 → 你审核修改 → 运行
-              ↑____________快速迭代____________↓
-```
+<VibeCodingFlowDemo />
 
 **核心变化**：从"怎么写代码"变成"怎么描述需求"。
 
@@ -130,7 +118,7 @@ AI 能帮你写代码，但以下能力 AI 替代不了：
 
 <FrontendFrameworkDemo />
 
-**核心原因**：当页面变得复杂（比如淘宝、微信网页版），直接操作 DOM 会变得非常混乱。框架帮你"管理复杂性"。
+**核心原因**：当页面变得复杂（比如淘宝、微信网页版），直接用代码一个个操控页面元素会变得非常混乱。框架帮你"管理复杂性"。
 
 ### 2.4 前端工程师的一天
 
@@ -306,28 +294,30 @@ AI 能帮你写代码，但以下能力 AI 替代不了：
 ### 6.2 AI 工程师的技能树
 
 ```
-AI 算法工程师
+AI 工程师（2025）
     │
-    ├── 数学基础
-    │   ├── 线性代数（矩阵运算）
-    │   ├── 概率统计（分布、期望）
-    │   └── 微积分（梯度、优化）
-    │
-    ├── 编程能力
+    ├── 基础能力
     │   ├── Python（主力语言）
-    │   ├── PyTorch / TensorFlow（深度学习框架）
-    │   └── 数据处理（Pandas, NumPy）
+    │   ├── 数据处理（Pandas, NumPy）
+    │   └── 基本数学直觉（线性代数、概率统计）
     │
-    ├── 机器学习
-    │   ├── 监督学习（分类、回归）
-    │   ├── 无监督学习（聚类、降维）
-    │   └── 模型评估方法
+    ├── 大模型应用（最热门方向）
+    │   ├── Prompt Engineering（提示词工程）
+    │   ├── RAG（检索增强生成）
+    │   ├── AI Agent（智能体，让 AI 自主完成任务）
+    │   ├── Function Calling / MCP（让 AI 调用外部工具）
+    │   └── 微调与部署（LoRA, vLLM）
     │
-    └── 深度学习
-        ├── 神经网络基础
-        ├── CNN（图像）
-        ├── RNN / Transformer（序列）
-        └── 大模型（LLM）
+    ├── 生成式 AI（GenAI）
+    │   ├── 文本生成（GPT, Claude, Gemini）
+    │   ├── 图像生成（Stable Diffusion, Midjourney, FLUX）
+    │   ├── 视频生成（Sora, Kling）
+    │   └── 多模态（文本 + 图像 + 音频）
+    │
+    └── 传统机器学习（仍然重要）
+        ├── 监督学习（分类、回归）
+        ├── 深度学习框架（PyTorch）
+        └── 模型评估与优化
 ```
 
 ### 6.3 AI 工程师的一天