feat: add examples to tutorial library for enhanced user onboarding

Author: binary-husky

docs/en/swarm_intro_blog_zh.md

@@ -227,6 +227,13 @@ AgentJet 在工程质量上投入了大量精力，确保每一次训练结果
 因此，AgentJet具备并开源提供这些核心硬实力：
 
 - **丰富的教程库**：提供有趣的 [示例](https://github.com/modelscope/AgentJet/tree/main/tutorial) 作为教程资料。
+探索我们丰富的示例库，快速开启你的旅程：
+    - 🔢 [**训练一个能编写 Python 代码的数学智能体**](https://modelscope.github.io/AgentJet/en/example_math_agent)
+    - 📱 [**使用 AgentScope 创建 AppWorld 智能体并进行训练**](https://modelscope.github.io/AgentJet/en/example_app_world)
+    - 🐺 [**开发狼人杀角色扮演智能体并进行训练**](https://modelscope.github.io/AgentJet/en/example_werewolves)
+    - 👩🏻‍⚕️ [**学习像医生一样提问**](https://modelscope.github.io/AgentJet/en/example_learning_to_ask)
+    - 🎴 [**使用 AgentScope 编写倒计时游戏并求解**](https://modelscope.github.io/AgentJet/en/example_countdown)
+    - 🚶 [**使用 AgentJet 解决冰湖行走谜题**](https://modelscope.github.io/AgentJet/en/example_frozenlake)
 - **时间线自动合并能力**: 支持 [多智能体工作流](https://modelscope.github.io/AgentJet/en/workflow/) 并采用上下文合并技术，在多轮（或多智能体）对话场景中将训练加速 **1.5x 到 10x**。(类似于minimax forge技术报告中提到的“树形结构”处理能力。)
 - **可靠可复现**：我们持续跟踪框架在多项 [不同任务 + 主要 Git 版本 + 不同训练后端](https://benchmark.agentjet.top/) 上的性能（数据持续汇总中），所见即所得，隐形Bug秒发现。
 - **Token一致性自动告警&修复**：AgentJet默认情况下会自动根据 vLLM 引擎返回的 Token ID 进行 Re-tokenization 漂移修复。