## 结论

在本实验中，你学习了如何使用 Python、TiDB Cloud Starter 和 OpenAI 构建两种类型的 AI 应用：

- **检索增强生成（RAG）：** 学会了如何使用 `pytidb` 连接 TiDB Cloud Starter，将文本数据及其向量嵌入存储，基于向量相似度进行检索，并用大型语言模型（如 `gpt-4o`）根据检索上下文生成答案。你还搭建了基于 Streamlit 的交互界面。
- **自然语言到 SQL（Text-to-SQL）：** 探索了如何使用大型语言模型（`gpt-4o-mini`）将自然语言问题转换为 SQL 查询，如何提供 TiDB 表结构作为上下文辅助生成准确 SQL，并执行查询与结果格式化，同样通过 Streamlit 进行展示。

你实际动手体验了数据库操作、向量检索和大模型结合的开发过程。

接下来你可以：

- 进一步探索本实验的源代码 [tidb-samples/tidb-lab-ai](https://github.com/tidb-samples/tidb-lab-ai)。
- 在 [Github 仓库](https://github.com/pingcap/pytidb) 了解更多 `pytidb` 的特性。
- 在 [https://tidbcloud.com](https://tidbcloud.com) 获取自己的 TiDB Cloud Starter 集群。
- 在 [tidb-samples](https://github.com/tidb-samples) Github 组织查看更多示例项目。