AI Translate 11-ai-functions to Simplified-Chinese (5/5) (#2391)

* 🌐 Translate 02-ai-embedding-vector.md to Simplified-Chinese

Translated using anthropic/claude-sonnet-4

Directory: `docs/en/sql-reference/20-sql-functions/11-ai-functions`

### 📄 Translated Files
| **Source** | **Output** | **Language** |
| :--- | :--- | :--- |
| `docs/en/sql-reference/20-sql-functions/11-ai-functions/02-ai-embedding-vector.md` | `docs/en/sql-reference/20-sql-functions/11-ai-functions/02-ai-embedding-vector.md` | Simplified-Chinese |

### 📊 Translation Statistics
- Session ID: 5336054
- File 1/5 (20.0%)
- Total Time: 1m 32s
- Input Tokens: 4,127
- Output Tokens: 4,154
- API Calls: 2
- Start Time: 2025-06-05 09:22:16
- End Time: 2025-06-05 09:23:49

* 🌐 Translate _category_.json to Simplified-Chinese

Translated using anthropic/claude-sonnet-4

Directory: `docs/en/sql-reference/20-sql-functions/11-ai-functions`

### 📄 Translated Files
| **Source** | **Output** | **Language** |
| :--- | :--- | :--- |
| `docs/en/sql-reference/20-sql-functions/11-ai-functions/02-ai-embedding-vector.md` | `docs/en/sql-reference/20-sql-functions/11-ai-functions/02-ai-embedding-vector.md` | Simplified-Chinese |
| `docs/en/sql-reference/20-sql-functions/11-ai-functions/_category_.json` | `docs/en/sql-reference/20-sql-functions/11-ai-functions/_category_.json` | Simplified-Chinese |

### 📊 Translation Statistics
- Session ID: 5336054
- File 2/5 (40.0%)
- Total Time: 1m 48s
- Input Tokens: 5,524
- Output Tokens: 5,388
- API Calls: 4
- Start Time: 2025-06-05 09:22:16
- End Time: 2025-06-05 09:24:05

* 🌐 Translate index.md to Simplified-Chinese

Translated using anthropic/claude-sonnet-4

Directory: `docs/en/sql-reference/20-sql-functions/11-ai-functions`

### 📄 Translated Files
| **Source** | **Output** | **Language** |
| :--- | :--- | :--- |
| `docs/en/sql-reference/20-sql-functions/11-ai-functions/02-ai-embedding-vector.md` | `docs/en/sql-reference/20-sql-functions/11-ai-functions/02-ai-embedding-vector.md` | Simplified-Chinese |
| `docs/en/sql-reference/20-sql-functions/11-ai-functions/_category_.json` | `docs/en/sql-reference/20-sql-functions/11-ai-functions/_category_.json` | Simplified-Chinese |
| `docs/en/sql-reference/20-sql-functions/11-ai-functions/index.md` | `docs/en/sql-reference/20-sql-functions/11-ai-functions/index.md` | Simplified-Chinese |

### 📊 Translation Statistics
- Session ID: 5336054
- File 3/5 (60.0%)
- Total Time: 2m 29s
- Input Tokens: 7,690
- Output Tokens: 7,356
- API Calls: 6
- Start Time: 2025-06-05 09:22:16
- End Time: 2025-06-05 09:24:45

* 🌐 Translate 03-ai-text-completion.md to Simplified-Chinese

Translated using anthropic/claude-sonnet-4

Directory: `docs/en/sql-reference/20-sql-functions/11-ai-functions`

### 📄 Translated Files
| **Source** | **Output** | **Language** |
| :--- | :--- | :--- |
| `docs/en/sql-reference/20-sql-functions/11-ai-functions/02-ai-embedding-vector.md` | `docs/en/sql-reference/20-sql-functions/11-ai-functions/02-ai-embedding-vector.md` | Simplified-Chinese |
| `docs/en/sql-reference/20-sql-functions/11-ai-functions/_category_.json` | `docs/en/sql-reference/20-sql-functions/11-ai-functions/_category_.json` | Simplified-Chinese |
| `docs/en/sql-reference/20-sql-functions/11-ai-functions/index.md` | `docs/en/sql-reference/20-sql-functions/11-ai-functions/index.md` | Simplified-Chinese |
| `docs/en/sql-reference/20-sql-functions/11-ai-functions/03-ai-text-completion.md` | `docs/en/sql-reference/20-sql-functions/11-ai-functions/03-ai-text-completion.md` | Simplified-Chinese |

### 📊 Translation Statistics
- Session ID: 5336054
- File 4/5 (80.0%)
- Total Time: 3m 44s
- Input Tokens: 11,042
- Output Tokens: 11,164
- API Calls: 8
- Start Time: 2025-06-05 09:22:16
- End Time: 2025-06-05 09:26:01

* 🌐 Translate 01-ai-to-sql.md to Simplified-Chinese

Translated using anthropic/claude-sonnet-4

Directory: `docs/en/sql-reference/20-sql-functions/11-ai-functions`

### 📄 Translated Files
| **Source** | **Output** | **Language** |
| :--- | :--- | :--- |
| `docs/en/sql-reference/20-sql-functions/11-ai-functions/02-ai-embedding-vector.md` | `docs/en/sql-reference/20-sql-functions/11-ai-functions/02-ai-embedding-vector.md` | Simplified-Chinese |
| `docs/en/sql-reference/20-sql-functions/11-ai-functions/_category_.json` | `docs/en/sql-reference/20-sql-functions/11-ai-functions/_category_.json` | Simplified-Chinese |
| `docs/en/sql-reference/20-sql-functions/11-ai-functions/index.md` | `docs/en/sql-reference/20-sql-functions/11-ai-functions/index.md` | Simplified-Chinese |
| `docs/en/sql-reference/20-sql-functions/11-ai-functions/03-ai-text-completion.md` | `docs/en/sql-reference/20-sql-functions/11-ai-functions/03-ai-text-completion.md` | Simplified-Chinese |
| `docs/en/sql-reference/20-sql-functions/11-ai-functions/01-ai-to-sql.md` | `docs/en/sql-reference/20-sql-functions/11-ai-functions/01-ai-to-sql.md` | Simplified-Chinese |

### 📊 Translation Statistics
- Session ID: 5336054
- File 5/5 (100.0%)
- Total Time: 4m 19s
- Input Tokens: 16,189
- Output Tokens: 14,426
- API Calls: 10
- Start Time: 2025-06-05 09:22:16
- End Time: 2025-06-05 09:26:36

---------

Co-authored-by: github-actions[bot] <github-actions[bot]@users.noreply.github.com>

Author: github-actions[bot]

docs/cn/sql-reference/20-sql-functions/11-ai-functions/01-ai-to-sql.md

@@ -2,20 +2,20 @@
 title: "AI_TO_SQL"
 ---
 
-将自然语言指令转换为 SQL 查询，使用最新的模型 `text-davinci-003`。
+将自然语言指令转换为 SQL 查询，使用最新的 `text-davinci-003` 模型。
 
-Databend 通过结合 OLAP 和 AI，提供了一种高效构建 SQL 查询的解决方案。通过此功能，可以用自然语言编写的指令转换为符合表结构的 SQL 查询语句。例如，可以提供一个句子如“获取所有价格为 10 美元或以下的商品”作为输入，并生成相应的 SQL 查询 `SELECT * FROM items WHERE price <= 10` 作为输出。
+Databend 通过结合 OLAP 和 AI 技术，为构建 SQL 查询提供了高效的解决方案。通过此函数，自然语言指令可转换为符合表结构的 SQL 查询语句。例如，该函数可接收类似"获取所有价格不超过 10 美元的商品"的输入，并生成相应的 SQL 查询 `SELECT * FROM items WHERE price <= 10` 作为输出。
 
-主要代码实现可以在[这里](https://github.com/databendlabs/databend/blob/1e93c5b562bd159ecb0f336bb88fd1b7f9dc4a62/src/query/service/src/table_functions/openai/ai_to_sql.rs)找到。
+主要代码实现可在[这里](https://github.com/databendlabs/databend/blob/1e93c5b562bd159ecb0f336bb88fd1b7f9dc4a62/src/query/service/src/table_functions/openai/ai_to_sql.rs)找到。
 
 :::note
-生成的 SQL 查询语句遵循 PostgreSQL 标准，因此可能需要手动修改以符合 Databend 的语法。
+生成的 SQL 查询语句遵循 PostgreSQL 标准，因此可能需要手动调整以符合 Databend 语法。
 :::
 
 :::info
-从 Databend v1.1.47 开始，Databend 支持[Azure OpenAI 服务](https://azure.microsoft.com/en-au/products/cognitive-services/openai-service)。
+自 Databend v1.1.47 起，Databend 支持 [Azure OpenAI 服务](https://azure.microsoft.com/en-au/products/cognitive-services/openai-service)。
 
-此集成提供了改进的数据隐私。
+此集成提供更优的数据隐私保护。
 
 要使用 Azure OpenAI，请在 `[query]` 部分添加以下配置：
 
@@ -29,11 +29,11 @@ openai_api_version = "2023-03-15-preview"
 :::
 
 :::caution
-Databend 依赖(Azure) OpenAI 进行 `AI_TO_SQL`，但仅将表结构发送到(Azure) OpenAI，而非数据。
+Databend 依赖 (Azure) OpenAI 实现 `AI_TO_SQL`，但仅向 (Azure) OpenAI 发送表结构，不发送数据。
 
-它们仅在 Databend 配置包含 `openai_api_key` 时才会生效，否则将处于非活动状态。
+该功能仅在 Databend 配置中包含 `openai_api_key` 时生效，否则将处于非活动状态。
 
-此功能默认在[Databend Cloud](https://databend.com)上使用我们的 Azure OpenAI 密钥提供。如果您使用它们，即表示您确认您的表结构将由我们发送至 Azure OpenAI。
+此功能在 [Databend Cloud](https://databend.com) 上默认可用，使用我们的 Azure OpenAI 密钥。使用即表示您同意我们将表结构发送至 Azure OpenAI。
 :::
 
 ## 语法
@@ -43,10 +43,10 @@ USE <your-database>;
 SELECT * FROM ai_to_sql('<natural-language-instruction>');
 ```
 
-:::tip 获取并配置 OpenAI API 密钥
+:::tip 获取和配置 OpenAI API 密钥
 
-- 要获取您的 openAI API 密钥，请访问 https://platform.openai.com/account/api-keys 并生成一个新密钥。
-- 在 **databend-query.toml** 文件中配置 openai_api_key 设置。
+- 获取 OpenAI API 密钥，请访问 https://platform.openai.com/account/api-keys 并生成新密钥
+- 在 **databend-query.toml** 文件中配置 openai_api_key 设置
 
 ```toml
 [query]
@@ -58,9 +58,9 @@ openai_api_key = "<your-key>"
 
 ## 示例
 
-在此示例中，通过 AI_TO_SQL 函数从指令生成 SQL 查询语句，并执行生成的语句以获取查询结果。
+本示例使用 AI_TO_SQL 函数从指令生成 SQL 查询语句，并执行该语句获取查询结果。
 
-1. 准备数据。
+1. 准备数据
 
 ```sql
 CREATE DATABASE IF NOT EXISTS openai;
@@ -81,14 +81,14 @@ CREATE TABLE orders(
     order_date DATE
 );
 
--- 向users表插入示例数据
+-- 向 users 表插入示例数据
 INSERT INTO users VALUES (1, 'Alice', 31, 'USA'),
                          (2, 'Bob', 32, 'USA'),
                          (3, 'Charlie', 45, 'USA'),
                          (4, 'Diana', 29, 'USA'),
                          (5, 'Eva', 35, 'Canada');
 
--- 向orders表插入示例数据
+-- 向 orders 表插入示例数据
 INSERT INTO orders VALUES (1, 1, 'iPhone', 1000.00, '2022-03-05'),
                           (2, 1, 'OpenAI Plus', 20.00, '2022-03-06'),
                           (3, 2, 'OpenAI Plus', 20.00, '2022-03-07'),
@@ -97,14 +97,14 @@ INSERT INTO orders VALUES (1, 1, 'iPhone', 1000.00, '2022-03-05'),
                           (6, 3, 'AirPods', 200.00, '2022-03-14');
 ```
 
-2. 使用英语编写的指令作为输入运行 AI_TO_SQL 函数。
+2. 运行 AI_TO_SQL 函数，输入英文指令
 
 ```sql
 SELECT * FROM ai_to_sql(
-    '列出2022年来自美国的30岁以上用户按姓名分组的消费总额及订单数量');
+    'List the total amount spent by users from the USA who are older than 30 years, grouped by their names, along with the number of orders they made in 2022');
 ```
 
-函数生成 SQL 语句作为输出：
+函数输出生成的 SQL 语句：
 
 ```sql
 *************************** 1. row ***************************
@@ -116,7 +116,7 @@ generated_sql: SELECT name, SUM(price) AS total_spent, COUNT(order_id) AS total_
                GROUP BY name;
 ```
 
-3. 运行生成的 SQL 语句以获取查询结果。
+3. 执行生成的 SQL 语句获取查询结果
 
 ```sql
 +---------+-------------+-------------+
@@ -126,4 +126,4 @@ generated_sql: SELECT name, SUM(price) AS total_spent, COUNT(order_id) AS total_
 | Alice   |           2 |     1020.00 |
 | Charlie |           2 |      700.00 |
 +---------+-------------+-------------+
-```
+```

docs/cn/sql-reference/20-sql-functions/11-ai-functions/02-ai-embedding-vector.md

@@ -1,20 +1,20 @@
 ---
 title: "AI_EMBEDDING_VECTOR"
-description: "在 Databend 中使用 ai_embedding_vector 函数创建 embeddings"
+description: "在 Databend 中使用 ai_embedding_vector 函数创建嵌入向量"
 ---
 
-本文档概述了 Databend 中的 ai_embedding_vector 函数，并演示了如何使用此函数创建文档 embeddings。
+本文档概述了 Databend 中的 ai_embedding_vector 函数，并演示如何使用此函数创建文档嵌入向量 (Embedding)。
 
-主要代码实现在[这里](https://github.com/databendlabs/databend/blob/1e93c5b562bd159ecb0f336bb88fd1b7f9dc4a62/src/common/openai/src/embedding.rs)。
+主要代码实现可在[此处](https://github.com/databendlabs/databend/blob/1e93c5b562bd159ecb0f336bb88fd1b7f9dc4a62/src/common/openai/src/embedding.rs)查看。
 
-默认情况下，Databend 利用 [text-embedding-ada](https://platform.openai.com/docs/models/embeddings) 模型来生成 embeddings。
+默认情况下，Databend 使用 [text-embedding-ada](https://platform.openai.com/docs/models/embeddings) 模型生成嵌入向量。
 
 :::info
-从 Databend v1.1.47 开始，Databend 支持 [Azure OpenAI service](https://azure.microsoft.com/en-au/products/cognitive-services/openai-service)。
+自 Databend v1.1.47 起，支持 [Azure OpenAI 服务](https://azure.microsoft.com/en-au/products/cognitive-services/openai-service)。
 
-这种集成提供了改进的数据隐私。
+此集成提供更优的数据隐私保护。
 
-要使用 Azure OpenAI，请将以下配置添加到 `[query]` 部分：
+要使用 Azure OpenAI，请在 `[query]` 部分添加以下配置：
 
 ```sql
 # Azure OpenAI
@@ -26,24 +26,24 @@ openai_api_version = "2023-03-15-preview"
 :::
 
 :::caution
-Databend 依赖于 (Azure) OpenAI 来实现 `AI_EMBEDDING_VECTOR`，并将 embedding 列数据发送到 (Azure) OpenAI。
+Databend 依赖 (Azure) OpenAI 实现 `AI_EMBEDDING_VECTOR`，并将嵌入列数据发送至 (Azure) OpenAI。
 
-只有当 Databend 配置包含 `openai_api_key` 时，它们才会工作，否则它们将处于非活动状态。
+仅当 Databend 配置包含 `openai_api_key` 时功能生效，否则无法使用。
 
-此函数在 [Databend Cloud](https://databend.com) 上默认可用，使用我们的 Azure OpenAI 密钥。如果您使用它们，您承认您的数据将由我们发送到 Azure OpenAI。
+此函数在 [Databend Cloud](https://databend.com) 默认启用（使用我们的 Azure OpenAI 密钥）。使用即表示您同意数据由我们发送至 Azure OpenAI。
 :::
 
 ## ai_embedding_vector 概述
 
-Databend 中的 `ai_embedding_vector` 函数是一个内置函数，用于为文本数据生成向量 embeddings。它对于自然语言处理任务非常有用，例如文档相似性、聚类和推荐系统。
+`ai_embedding_vector` 是 Databend 的内置函数，用于为文本数据生成向量嵌入。适用于自然语言处理任务，如文档相似度计算、聚类和推荐系统。
 
-该函数接受文本输入，并返回一个高维向量，该向量表示输入文本的语义含义和上下文。embeddings 是使用大型文本语料库上的预训练模型创建的，从而捕获连续空间中单词和短语之间的关系。
+该函数接收文本输入，返回表示语义和上下文的高维向量。嵌入通过预训练模型在大型语料库上生成，在连续空间中捕获词句间关系。
 
-## 使用 ai_embedding_vector 创建 embeddings
+## 使用 ai_embedding_vector 创建嵌入
 
-要使用 `ai_embedding_vector` 函数为文本文档创建 embeddings，请按照以下示例操作。
+按以下示例操作，为文本文档生成嵌入：
 
-1. 创建一个表来存储文档：
+1. 创建存储文档的表：
 
 ```sql
 CREATE TABLE documents (
@@ -54,7 +54,7 @@ CREATE TABLE documents (
 );
 ```
 
-2. 将示例文档插入到表中：
+2. 插入示例文档：
 
 ```sql
 INSERT INTO documents(id, title, content)
@@ -64,19 +64,19 @@ VALUES
     (3, 'Neural Networks Explained', 'A neural network is a series of algorithms that endeavors to recognize underlying relationships...'),
 ```
 
-3. 生成 embeddings：
+3. 生成嵌入：
 
 ```sql
 UPDATE documents SET embedding = ai_embedding_vector(content) WHERE embedding IS NULL;
 ```
 
-运行查询后，表中的 embedding 列将包含生成的 embeddings。
+运行查询后，表中 embedding 列将包含生成的嵌入。
 
-embeddings 作为 `FLOAT` 值的数组存储在 embedding 列中，该列具有 `ARRAY(FLOAT NOT NULL)` 列类型。
+嵌入以 `FLOAT` 值数组形式存储，列类型为 `ARRAY(FLOAT NOT NULL)`。
 
-现在，您可以将这些 embeddings 用于各种自然语言处理任务，例如查找相似文档或根据文档内容对文档进行聚类。
+这些嵌入可用于多种自然语言处理任务，例如查找相似文档或基于内容聚类。
 
-4. 检查 embeddings：
+4. 检查嵌入：
 
 ```sql
 SELECT length(embedding) FROM documents;
@@ -89,4 +89,4 @@ SELECT length(embedding) FROM documents;
 +-------------------+
 ```
 
-上面的查询显示，为每个文档生成的 embeddings 的长度为 1536（维度）。
+该查询显示每个文档的嵌入长度为 1536（维度）。

docs/cn/sql-reference/20-sql-functions/11-ai-functions/03-ai-text-completion.md

@@ -1,18 +1,17 @@
 ---
 title: "AI_TEXT_COMPLETION"
-description: "使用 Databend 中的 ai_text_completion 函数生成文本补全"
----
+description: "在 Databend 中使用 ai_text_completion 函数生成文本补全"
 
-本文档概述了 Databend 中的 `ai_text_completion` 函数，并演示了如何使用此函数生成文本补全。
+本文档概述了 Databend 中的 `ai_text_completion` 函数，并演示如何使用该函数生成文本补全。
 
-主要代码实现可以在[这里](https://github.com/databendlabs/databend/blob/1e93c5b562bd159ecb0f336bb88fd1b7f9dc4a62/src/common/openai/src/completion.rs)找到。
+主要代码实现可在[此处](https://github.com/databendlabs/databend/blob/1e93c5b562bd159ecb0f336bb88fd1b7f9dc4a62/src/common/openai/src/completion.rs)查看。
 
 :::info
-从 Databend v1.1.47 开始，Databend 支持 [Azure OpenAI 服务](https://azure.microsoft.com/en-au/products/cognitive-services/openai-service)。
+自 Databend v1.1.47 起，支持 [Azure OpenAI 服务](https://azure.microsoft.com/en-au/products/cognitive-services/openai-service)。
 
-这一集成提供了更好的数据隐私保护。
+该集成可提供更强的数据隐私保护。
 
-要使用 Azure OpenAI，请在 `[query]` 部分添加以下配置：
+使用 Azure OpenAI 需在 `[query]` 部分添加以下配置：
 
 ```sql
 # Azure OpenAI
@@ -24,35 +23,35 @@ openai_api_version = "2023-03-15-preview"
 :::
 
 :::caution
-Databend 依赖 (Azure) OpenAI 进行 `AI_TEXT_COMPLETION`，并将补全提示数据发送到 (Azure) OpenAI。
+Databend 依赖 (Azure) OpenAI 实现 `AI_TEXT_COMPLETION` 功能，并将补全提示数据发送至 (Azure) OpenAI。
 
-它们仅在 Databend 配置包含 `openai_api_key` 时有效，否则将处于非活动状态。
+仅当配置中包含 `openai_api_key` 时该功能生效，否则无法使用。
 
-此功能默认在 [Databend Cloud](https://databend.com) 上使用我们的 Azure OpenAI 密钥提供。如果您使用它们，即表示您确认您的数据将由我们发送至 Azure OpenAI。
+[Databend Cloud](https://databend.com) 默认启用此功能（使用我们的 Azure OpenAI 密钥）。使用即表示您同意我们将数据发送至 Azure OpenAI。
 :::
 
 ## ai_text_completion 概述
 
-Databend 中的 `ai_text_completion` 函数是一个内置函数，用于根据给定的提示生成文本补全。它在自然语言处理任务中非常有用，例如问答、文本生成和自动补全系统。
+`ai_text_completion` 是 Databend 的内置函数，可根据给定提示生成文本补全。该函数适用于自然语言处理任务，如问答系统、文本生成和自动补全。
 
-该函数接受一个文本提示作为输入，并返回该提示的生成补全。补全使用在大规模文本语料库上预训练的模型创建，捕捉单词和短语之间的连续空间关系。
+函数接收文本提示作为输入，返回生成的补全结果。补全内容由大型文本语料库预训练模型生成，在连续空间中捕捉单词与短语的关联关系。
 
 ## 使用 ai_text_completion 生成文本补全
 
-以下是一个使用 Databend 中的 `ai_text_completion` 函数生成文本补全的简单示例：
+以下示例演示如何在 Databend 中使用 `ai_text_completion` 生成文本补全：
 
 ```sql
-SELECT ai_text_completion('什么是人工智能？') AS completion;
+SELECT ai_text_completion('What is artificial intelligence?') AS completion;
 ```
 
-结果：
+执行结果：
 
 ```sql
 +--------------------------------------------------------------------------------------------------------------------+
 | completion                                                                                                          |
 +--------------------------------------------------------------------------------------------------------------------+
-| 人工智能（AI）是专注于创建能够以模仿人类智能的方式思考、学习和解决问题的机器和软件的研究领域。这包括机器学习、自然语言处理、计算机视觉和机器人技术等领域。 |
+| Artificial intelligence (AI) is the field of study focused on creating machines and software capable of thinking, learning, and solving problems in a way that mimics human intelligence. This includes areas such as machine learning, natural language processing, computer vision, and robotics. |
 +--------------------------------------------------------------------------------------------------------------------+
 ```
 
-在这个示例中，我们向 `ai_text_completion` 函数提供提示 "什么是人工智能？"，它返回一个生成的补全，简要描述了人工智能。
+本示例中，向 `ai_text_completion` 输入提示 "What is artificial intelligence?" 后，函数返回生成的人工智能定义文本。

docs/cn/sql-reference/20-sql-functions/11-ai-functions/_category_.json

@@ -1,3 +1,4 @@
 {
-  "label": "AI 函数"
+  "label": "AI 函数（AI Functions）",
+  "position": 20
 }

docs/cn/sql-reference/20-sql-functions/11-ai-functions/index.md

@@ -1,18 +1,18 @@
 ---
-title: 'AI 函数（AI Functions）'
-description: '使用基于 SQL 的 AI 函数进行知识库搜索和文本补全'
+title: 'AI 函数'
+description: '使用基于 SQL 的 AI 函数实现知识库搜索和文本补全'
 ---
 
-本节提供 Databend 内置 AI 函数的参考信息，这些函数通过 SQL 直接提供自然语言处理、向量嵌入和文本生成功能。
+本节提供 Databend 内置 AI 函数的参考信息，这些函数通过 SQL 直接支持自然语言处理、向量嵌入和文本生成功能。
 
 :::info
-Databend 的 AI 函数利用 OpenAI 模型，同时也支持 Azure OpenAI 服务以提高数据隐私保护。这些函数需要在 Databend 中配置 OpenAI API 密钥，在 Databend Cloud 上默认可用。
+Databend 的 AI 函数利用 OpenAI 模型，并支持 Azure OpenAI 服务以提升数据隐私保护。这些函数需要在 Databend 中配置 OpenAI API 密钥，并在 Databend Cloud 上默认可用。
 :::
 
 ## 可用的 AI 函数
 
 | 函数 | 描述 | 示例 |
 |----------|-------------|--------|
-| [AI_TO_SQL](./01-ai-to-sql.md) | 将自然语言指令转换为 SQL 查询（Query） | `SELECT * FROM ai_to_sql('Get all products with price less than 100')` |
+| [AI_TO_SQL](./01-ai-to-sql.md) | 将自然语言指令转换为 SQL 查询 | `SELECT * FROM ai_to_sql('Get all products with price less than 100')` |
 | [AI_EMBEDDING_VECTOR](./02-ai-embedding-vector.md) | 为文本数据生成向量嵌入 | `SELECT ai_embedding_vector('How to use Databend')` |
-| [AI_TEXT_COMPLETION](./03-ai-text-completion.md) | 基于给定提示（Prompt）生成文本补全 | `SELECT ai_text_completion('What is a data warehouse?')` |
+| [AI_TEXT_COMPLETION](./03-ai-text-completion.md) | 基于给定提示生成文本补全 | `SELECT ai_text_completion('What is a data warehouse?')` |