## 结论

在本实验中，您学习了如何使用 Python、TiDB Cloud Starter 作为统一数据存储以及 Amazon Bedrock 构建两种类型的 AI 应用程序：

- **检索增强生成 (RAG)：** 您学习了如何使用 `pytidb` 连接到 TiDB Cloud Starter，存储文本数据及其由 Amazon Bedrock 的 `bedrock/amazon.titan-embed-text-v2:0` 模型生成的向量嵌入，执行向量相似性搜索以检索相关上下文，并使用大型语言模型 (LLM)（如 `bedrock/us.amazon.nova-lite-v1:0`）基于检索到的上下文生成答案。您还构建了一个 Streamlit 界面来与 RAG 系统交互。
- **文本到 SQL：** 您探索了如何利用 LLM（`bedrock/us.amazon.nova-pro-v1:0`）将自然语言问题转换为 SQL 查询。您学习了如何向 LLM 提供来自 TiDB 的表模式作为上下文，以生成准确的 SQL，对 TiDB 执行生成的查询，并使用另一个 LLM 调用格式化结果。该应用程序也通过 Streamlit 界面呈现。