## 概要

<!-- markdownlint-disable MD032 -->
> [!IMPORTANT]
> 演習を開始する前に、必ず以下の情報をお読みください。
> + この演習は Chrome ブラウザのみ対応しています。
> + この演習では、必要なモデルを呼び出すために Amazon Bedrock への一時的なアクセス権が付与されます。演習資料に記載されている使用ガイドラインを厳守し、このアクセスを他の文脈で使用することは控えてください。Amazon Bedrock 権限の誤用により経済的損失が生じた場合、ユーザーに法的責任を問う権利を留保します。

![70%](https://lab-static.pingcap.com/quick-demo/demo_421_en.png)

生成 AI は現在、多くの開発者が探求したいと考えている最先端の分野です。しかし、この分野への参入を妨げるいくつかの障壁が存在します：

- AI の基礎知識の不足により、どこから始めればよいか分からない。
- 生成 AI アプリケーションを構築するための包括的で段階的、かつインタラクティブなガイドの欠如。
- データベースや大規模モデル API などの学習に必要な基本的なインフラへのアクセスの制限。

これらの課題に対応するために、私たちは一連の演習を開発しました。

[Jupyter Notebook を使用してシンプルなベクトル検索アプリケーションを構築する](/labs/demo_408)

- 埋め込み（Embedding）とは何か、その機能について学びます。
- 取得した埋め込みベクトルをどのように活用するかを理解します。

[RAG および Text2SQL AI アプリケーションの構築（Amazon Bedrock）](/labs/demo_421)

- 大量のデータを扱う際に、RAG（検索拡張生成）を用いて情報検索を行い、LLM（大規模言語モデル）と連携する方法を学びます。
- データセットを探索するための実用的な Text2SQL AI アプリケーションの作り方を学びます。

[AIアプリケーション向け統合ストレージとしてのTiDBの活用 (Amazon Bedrock)](/labs/demo_422)

- pytidb と **TiDB Cloud Starter** を活用し、AI アプリケーションのための統合データストレージ層として利用し、開発を効率化する方法を学びます。

> [!NOTE]
> この演習では、データアプリケーションの構築を効率化し加速するための迅速なアプリケーション開発フレームワークとして Streamlit を使用します。
> 演習を開始するために自分の TiDB Cloud Starter クラスタを選択するか、サンドボックスの TiDB Cloud Starter オプションを選択するかにかかわらず、このハンズオン演習用の専用データベースが作成されます。

### タスク

- **初めての Text2SQL アプリケーションを構築する**

  - TiDB Cloud Starter クラスタを SQL ランナーとして使用して LLM を修正します。
  - Streamlit ウェブページを起動して、Text2SQL アプリケーションを使用します。
  - Text2SQL デモのコードを読みます。

- **初めての RAG アプリケーションを構築する**

  - 埋め込みベクトルとその他のデータを TiDB Cloud Starter クラスタに保存します。
  - Streamlit ウェブページを起動して、RAG アプリケーションのパフォーマンスをテストします。
  - RAG デモのコードを読みます。

> [!TIP]
> 演習環境を起動するには、**開始**をクリックしてください。
> 環境の準備が完了すると、ハンズオンセッションに割り当てられたリソースに実際の値が設定されるため、演習ガイドに従って段階的に演習を完了できます。