## 概述

<!-- markdownlint-disable MD032 -->
> [!IMPORTANT]
> 在开始实验之前，请务必阅读以下信息。
> + 本实验仅支持 Chrome 浏览器。
> + 本实验将授予您临时访问 Amazon Bedrock 的权限，以调用必要的模型。请严格遵守实验材料中概述的使用指南，并避免在任何其他情境中使用此访问权限。对于任何导致财务损失的 Amazon Bedrock 权限滥用行为，我们保留追究用户法律责任的权利。

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

生成式 AI 目前是一个前沿领域，吸引了许多渴望探索的开发者。然而，几个障碍常常阻碍他们进入这个领域，例如：

- 缺乏 AI 基础知识，使他们不确定从何处开始。
- 缺少全面、循序渐进且互动的构建生成式 AI 应用程序指南。
- 学习所需的基础设施有限，如数据库和大型模型 API。

为了解决这些挑战，我们开发了一系列实验：

[使用 Jupyter Notebook 构建简单向量搜索应用](/labs/demo_408)

- 了解什么是 Embedding 及其能力。
- 学会如何在获得嵌入向量后加以利用。

[构建 RAG 和 Text2SQL AI 应用（Amazon Bedrock）](/labs/demo_421)

- 学习如何在处理大规模数据时，利用 RAG（检索增强生成）进行信息检索，并结合 LLM（大语言模型）工作。
- 掌握如何构建实用的 Text2SQL AI 应用来探索数据集。

[TiDB 作为 AI 应用的统一存储 (Amazon Bedrock)](/labs/demo_422)

- 学习如何利用 pytidb 和 **TiDB Cloud Starter** 作为 AI 应用的统一数据存储层，从而简化开发流程。

> [!NOTE]
> 在本实验中，我们将使用 Streamlit 作为快速应用程序开发框架，以简化和加速数据应用程序的构建。
> 无论您选择自己的 TiDB Cloud Starter 集群还是沙盒 TiDB Cloud Starter 选项来开始实验，都将为此动手实验创建一个专用数据库。

### 任务

- **构建您的第一个 Text2SQL 应用程序**

  - 使用 TiDB Cloud Starter 集群作为 SQL 运行器来纠正 LLM。
  - 启动 Streamlit 网页以使用您的 Text2SQL 应用程序。
  - 阅读 Text2SQL 演示的代码。

- **构建您的第一个 RAG 应用程序**

  - 将您的嵌入向量和其他数据保存到 TiDB Cloud Starter 集群。
  - 启动 Streamlit 网页以测试您的 RAG 应用程序的性能。
  - 阅读 RAG 演示的代码。

> [!TIP]
> 点击 **开始** 启动实验环境。
> 环境准备就绪后，分配给您的动手实践会话的资源将填充实际值，您才可以按照实验指南逐步完成练习。