feat: add badge styling for inline display and update documentation navigation

Author: binary-husky

docs/en/agentjet-swarm-blueprint.md

@@ -6,6 +6,13 @@ that is unprecedented in any other projects.
 
 Here is how to use beast-logger in AgentJet.
 
+
+<div align="center">
+<img width="800" alt="image" src="https://serve.gptacademic.cn/publish/shared/Image/beast_logger_zimu.mp4.gif"/>
+</div>
+
+
+
 ## Usage in AgentJet
 
 1. Start training or debugging with AgentJet launcher.

docs/en/agentjet-swarm.md

@@ -1,4 +1,6 @@
-# Flexible Training, Dynamic Scaling: Tongyi Releases Distributed Multi-Agent LLM Swarm Training Framework AgentJet
+# An introduction to AgentJet Swarm
+
+> The original document is [Chinese Version](https://modelscope.github.io/AgentJet/en/swarm_intro_blog_zh/)
 
 <div align="center">
 <img width="500" alt="AgentJet" src="https://doc.agentjet.top/agentjet.jpg"/>
@@ -13,13 +15,6 @@
 > It also provides relevant skills (SKILLs) for Vibe Coding developers, allowing tools like Claude Code to assist in your agent orchestration and training debugging with one click.
 
 
-<div align="center">
-<img width="800" alt="image" src="https://serve.gptacademic.cn/publish/shared/Image/ai-generated-1771873242388.jpg"/>
-</div>
-
-> The original document is Chinese Version: https://modelscope.github.io/AgentJet/en/swarm_intro_blog_zh/
-
-
 ## The Dilemma of Centralized Agentic LLM RL Architecture
 
 In the past year of 2025, we witnessed the rapid development of Large Language Model Agents.

docs/en/beast_logger.md

@@ -200,6 +200,11 @@ AgentJet Swarm 原生支持多 Server 多模型的训练拓扑。你可以在多
 - ……
 
 
+
+
+## 实力派训练框架
+
+
 ### 不挑Agent框架，能支持OpenAI协议的BaseUrl和ApiKey就行
 
 AgentJet **不绑定任何特定的 Agent 框架**。无论你使用的是 LangChain、AutoGen、CrewAI、MetaGPT，还是自己手写的基于裸 HTTP 请求 Agent 逻辑，只要你的 Agent 通过 OpenAI 兼容的 API 协议（`base_url` + `api_key`）调用 LLM，就可以无缝接入 AgentJet 进行训练。
@@ -227,15 +232,7 @@ AgentJet 在工程质量上投入了大量精力，确保每一次训练结果
 <img width="700" alt="image" src="https://serve.gptacademic.cn/publish/shared/Image/beast_logger_zimu.mp4.gif"/>
 </div>
 
-
-### 基于VERL的高效训推 GPU CoLocate
-
-AgentJet蜂群架构的灵活性并不以牺牲 GPU 利用效率 & 产生大量GPU空泡为代价。在 Swarm Server 内部，AgentJet 依然采用了经过实战检验的 VERL 训练推理 CoLocate 架构：这意味着推理（rollout generation）和训练（gradient update）共享同一组 GPU，避免了 GPU 显存的浪费。
-
-对于熟悉 VERL 的研究者来说，几乎所有 VERL 实现的算法实现，都可无损地应用到 AgentJet 中。AgentJet 在此基础上增加了蜂群通信层和时间线合并优化，但核心的训练逻辑保持一致。迁移成本低，性能表现有保障。
-
-
-## 实力派训练框架
+### 核心硬实力和丰富的教程库
 
 作为一个 Agent 训练框架而言，仅仅实现一个分布式架构是远远不够的。如何提供稳定、秒上手、值得信赖的训练环境，也是我们需要研究的课题。
 因此，AgentJet具备并开源提供这些核心硬实力：
@@ -257,6 +254,13 @@ AgentJet蜂群架构的灵活性并不以牺牲 GPU 利用效率 & 产生大量G
 <img width="600" alt="image" src="https://serve.gptacademic.cn/publish/shared/Image/benchmark.gif"/>
 </div>
 
+### 基于VERL的高效训推 GPU CoLocate
+
+AgentJet蜂群架构的灵活性并不以牺牲 GPU 利用效率 & 产生大量GPU空泡为代价。在 Swarm Server 内部，AgentJet 依然采用了经过实战检验的 VERL 训练推理 CoLocate 架构：这意味着推理（rollout generation）和训练（gradient update）共享同一组 GPU，避免了 GPU 显存的浪费。
+
+对于熟悉 VERL 的研究者来说，几乎所有 VERL 实现的算法实现，都可无损地应用到 AgentJet 中。AgentJet 在此基础上增加了蜂群通信层和时间线合并优化，但核心的训练逻辑保持一致。迁移成本低，性能表现有保障。
+
+
 
 ## 总结与展望