docs(zh-CN): sync LlamaHub API example

units/zh-CN/unit2/llama-index/introduction.mdx

@@ -8,7 +8,7 @@ LlamaIndex 是**通过索引和工作流在您的数据上创建 LLM 驱动智
 
 让我们解析这些核心要素及其对智能体的支持：
 
-- **组件**是 LlamaIndex 中的基础构建模块，包括提示词、模型和数据库等。组件通常帮助 LlamaIndex 与其他工具和库进行集成。
+- **组件**：是 LlamaIndex 中的基础构建模块，包括提示词、模型和数据库等。组件通常帮助 LlamaIndex 与其他工具和库进行集成。
 - **工具**：提供特定功能的组件，如搜索、计算或访问外部服务。它们是支撑智能体执行任务的基础模块。
 - **智能体**：能够自主使用工具并做出决策的独立组件，通过协调工具使用来实现复杂目标。
 - **工作流**：按步骤处理逻辑的流程。智能体工作流是一种无需显式使用智能体即可构建智能行为的方式。
@@ -18,13 +18,13 @@ LlamaIndex 是**通过索引和工作流在您的数据上创建 LLM 驱动智
 
 虽然LlamaIndex与其他框架（如 smolagents）有相似之处，但具备以下关键优势：
 
-- **清晰的工作流系统**。通过事件驱动和异步优先的语法，工作流帮助您逐步分解智能体的决策过程，实现逻辑的清晰组合与组织。
-- **基于 LlamaParse 的高级文档解析** 专为 LlamaIndex 打造的文档解析工具，尽管是付费功能，但提供无缝集成体验。
-- **丰富的即用组件** 凭借长期的技术积累，LlamaIndex 与众多框架兼容，提供大量经过验证的可靠组件（如 LLM、检索器、索引等）。
-- **LlamaHub** 提供了数百个此类组件、智能体和工具的注册中心，方便您在 LlamaIndex 中直接使用。
+- **清晰的工作流系统**：通过事件驱动和异步优先的语法，工作流帮助您逐步分解智能体的决策过程，实现逻辑的清晰组合与组织。
+- **基于 LlamaParse 的高级文档解析**：专为 LlamaIndex 打造的文档解析工具，尽管是付费功能，但提供无缝集成体验。
+- **丰富的即用组件**：凭借长期的技术积累，LlamaIndex 与众多框架兼容，提供大量经过验证的可靠组件（如 LLM、检索器、索引等）。
+- **LlamaHub**：提供了数百个此类组件、智能体和工具的注册中心，方便您在 LlamaIndex 中直接使用。
 
 这些概念在不同场景中都是创建实用智能体的必要元素。
 后续章节我们将深入解析每个概念。
 掌握这些知识后，我们将运用所学**通过 Alfred 智能体创建实际应用案例**！
 
-准备好探索 LlamaIndex 的精彩世界了吗？让我们立即启程，**通过 LlamaHub 查找并安装所需集成吧！🚀**
+准备好探索 LlamaIndex 的精彩世界了吗？让我们立即启程，**通过 LlamaHub 查找并安装所需集成吧！🚀**

units/zh-CN/unit2/llama-index/llama-hub.mdx

@@ -17,10 +17,10 @@ LlamaIndex的安装说明可通过结构清晰的**[LlamaHub官网](https://llam
 pip install llama-index-{component-type}-{framework-name}
 ```
 
-让我们尝试使用 [Hugging Face 推理 API 集成](https://llamahub.ai/l/llms/llama-index-llms-huggingface-api?from=llms) 安装 LLM 组件的依赖项。
+让我们尝试使用 [Hugging Face 推理 API 集成](https://llamahub.ai/l/llms/llama-index-llms-huggingface-api?from=llms) 安装 LLM 组件和嵌入组件的依赖项。
 
 ```bash
-pip install llama-index-llms-huggingface-api
+pip install llama-index-llms-huggingface-api llama-index-embeddings-huggingface
 ```
 
 ## 用法
@@ -30,15 +30,25 @@ pip install llama-index-llms-huggingface-api
 
 ```python
 from llama_index.llms.huggingface_api import HuggingFaceInferenceAPI
+import os
+from dotenv import load_dotenv
+
+# 加载 .env 文件
+load_dotenv()
+
+# 从环境变量中获取 HF_TOKEN
+hf_token = os.getenv("HF_TOKEN")
 
 llm = HuggingFaceInferenceAPI(
     model_name="Qwen/Qwen2.5-Coder-32B-Instruct",
     temperature=0.7,
     max_tokens=100,
-    token="hf_xxx",
+    token=hf_token,
+    provider="auto",
 )
 
-llm.complete("Hello, how are you?")
+response = llm.complete("Hello, how are you?")
+print(response)
 # I am good, how can I help you today?
 ```