## 結論

この演習では、Python、TiDB Cloud Starter、およびOpenAIを使用して2種類のAIアプリケーションを構築する方法を学びました。

- **リトリーバル強化生成（RAG）:** `pytidb`を使ってTiDB Cloud Starterに接続し、OpenAIの`text-embedding-3-small`モデルが生成したベクトル埋め込みとともにテキストデータを格納し、ベクトル類似性検索を実行して関連コンテキストを取得し、`gpt-4o`のような大規模言語モデル（LLM）を使って、取り出されたコンテキストに基づく回答を生成する方法を学びました。また、Streamlitインターフェースを構築してRAGシステムと対話しました。
- **テキストからSQLへ:** 自然言語の質問をSQLクエリに翻訳するためにLLM（`gpt-4o-mini`）を活用する方法を探りました。TiDBからテーブルスキーマをLLMに文脈として提供して、正確なSQL生成を行い、生成されたクエリをTiDBに対して実行し、別のLLM呼び出しを使用して結果をフォーマットしました。このアプリケーションもStreamlitインターフェースを介して提供されました。

データベース操作、ベクトル検索、およびLLM機能を統合して実用的なAIツールを作成する実践的な経験を積みました。

次のステップとしては、以下を試してみてください。

- この演習のソースコードをさらに探索してください [tidb-samples/tidb-lab-ai](https://github.com/tidb-samples/tidb-lab-ai)。
- `pytidb`とその機能についてもっと学ぶことができます [Githubリポジトリ](https://github.com/pingcap/pytidb)。
- 自分の TiDB Cloud Starter クラスタにアクセス [https://tidbcloud.com](https://tidbcloud.com)。
- `tidb-samples`の組織内で他の例を発見することができます [GitHub](https://github.com/tidb-samples)。