databendlabs · Chasen-Zhang · Aug 7, 2025 · Aug 7, 2025 · Aug 7, 2025 · Aug 7, 2025
diff --git a/.translation-init b/.translation-init
@@ -1 +1 @@
-Translation initialization: 2025-08-07T12:00:58.554814
+Translation initialization: 2025-08-07T12:15:30.045055
diff --git a/docs/cn/guides/51-ai-functions/01-external-functions.md b/docs/cn/guides/51-ai-functions/01-external-functions.md
@@ -4,7 +4,7 @@ title: 使用外部函数（External Function）自定义 AI/ML
 
 # 使用外部函数（External Function）自定义 AI/ML
 
-通过将 Databend 与您自己的基础设施连接，构建强大的 AI/ML 能力。外部函数（External Function）让您部署自定义模型、利用 GPU 加速，并与任何 ML 框架集成，同时确保数据安全。
+通过将 Databend 与您自己的基础设施连接，构建强大的 AI/ML 能力。外部函数（External Function）让您部署自定义模型、利用 GPU 加速并与任何 ML 框架集成，同时确保数据安全。
 
 ## 核心能力
 
@@ -18,9 +18,9 @@ title: 使用外部函数（External Function）自定义 AI/ML
 
 ## 工作原理
 
-1. **创建 AI 服务器**：使用 Python 和 [databend-udf](https://pypi.org/project/databend-udf) 构建您的 AI/ML 服务器
-2. **注册函数**：使用 `CREATE FUNCTION` 将您的服务器连接到 Databend
-3. **在 SQL 中使用**：直接在 SQL 查询中调用您的自定义 AI 函数
+1. **创建 AI 服务器**：使用 Python 和 [databend-udf](https://pypi.org/project/databend-udf) 构建 AI/ML 服务器  
+2. **注册函数**：通过 `CREATE FUNCTION` 将服务器接入 Databend  
+3. **在 SQL 中使用**：直接在 SQL 查询中调用自定义 AI 函数  
 
 ## 示例：文本嵌入函数
 
@@ -45,11 +45,11 @@ def ai_embed_768(inputs: list[str], headers) -> list[list[float]]:
         return [embedding.tolist() for embedding in embeddings]
     except Exception as e:
         print(f"生成嵌入时出错：{e}")
-        # 如果出错则返回空列表
+        # 出错时返回空列表
         return [[] for _ in inputs]
 
 if __name__ == '__main__':
-    print("在 8815 端口启动嵌入 UDF 服务器...")
+    print("在端口 8815 启动嵌入 UDF 服务器...")
     server = UDFServer("0.0.0.0:8815")
     server.add_function(ai_embed_768)
     server.serve()
@@ -78,5 +78,5 @@ LIMIT 5;
 
 ## 了解更多
 
-- **[外部函数（External Function）指南](/guides/query/external-function)** - 完整的设置和部署说明
-- **[Databend Cloud](https://databend.cn)** - 使用免费账户试用外部函数（External Function）
+- **[外部函数（External Function）指南](/guides/query/external-function)** - 完整的设置与部署说明  
+- **[Databend Cloud](https://databend.cn)** - 免费账户体验外部函数
diff --git a/docs/cn/guides/51-ai-functions/02-mcp.md b/docs/cn/guides/51-ai-functions/02-mcp.md
@@ -1,8 +1,8 @@
 import DetailsWrap from '@site/src/components/DetailsWrap';
 
-# 适用于 Databend 的 MCP 服务器
+# 适用于 Databend 的 MCP Server
 
-[mcp-databend](https://github.com/databendlabs/mcp-databend) 是一个 MCP（Model Context Protocol，模型上下文协议）服务器，它让 AI 助手能够使用自然语言直接与你的 Databend 数据库交互。
+[mcp-databend](https://github.com/databendlabs/mcp-databend) 是一个 MCP（Model Context Protocol）服务器，它让 AI 助手能够使用自然语言直接与您的 Databend 数据库交互。
 
 ## mcp-databend 能做什么
 
@@ -13,28 +13,28 @@ import DetailsWrap from '@site/src/components/DetailsWrap';
 
 ## 构建 ChatBI 工具
 
-本教程将演示如何使用 mcp-databend 和 Agno 框架构建对话式商业智能（Business Intelligence，BI）工具。你将创建一个本地 Agent，能够用自然语言回答数据问题。
+本教程将演示如何使用 mcp-databend 和 Agno 框架构建一个对话式商业智能（Business Intelligence）工具。您将创建一个本地 Agent，能够用自然语言回答数据问题。
 
 ![Databend MCP ChatBI](@site/static/img/connect/databend-mcp-chatbi.png)
 
 ## 分步教程
 
-### 步骤 1：配置 Databend 连接
+### 第 1 步：配置 Databend 连接
 
-首先，你需要一个可连接的 Databend 数据库：
+首先，您需要一个可连接的 Databend 数据库：
 
 1. **注册 [Databend Cloud](https://app.databend.cn)**（提供免费套餐）
-2. **创建 Warehouse 和数据库**
-3. **在控制台获取连接字符串**
+2. **创建 Warehouse 和 Database**
+3. **在控制台获取连接字符串（Connection String）**
 
-有关 DSN 格式和示例的详细信息，请参阅 [连接字符串文档](https://docs.databend.cn/developer/drivers/#connection-string-dsn)。
+有关 DSN 格式和示例的详细信息，请参阅[连接字符串文档](https://docs.databend.cn/developer/drivers/#connection-string-dsn)。
 
-| 部署方式           | 连接字符串示例                                                |
-| ------------------ | ------------------------------------------------------------- |
-| **Databend Cloud** | `databend://user:pwd@host:443/database?warehouse=wh`          |
-| **自托管**         | `databend://user:pwd@localhost:8000/database?sslmode=disable` |
+| 部署方式           | 连接字符串示例                                               |
+| ------------------ | ------------------------------------------------------------ |
+| **Databend Cloud** | `databend://user:pwd@host:443/database?warehouse=wh`         |
+| **自托管**         | `databend://user:pwd@localhost:8000/database?sslmode=disable`|
 
-### 步骤 2：安装依赖
+### 第 2 步：安装依赖
 
 创建虚拟环境并安装所需包：
 
@@ -47,9 +47,9 @@ source .venv/bin/activate
 pip install packaging openai agno openrouter sqlalchemy fastapi mcp-databend
 ```
 
-### 步骤 3：创建 ChatBI Agent
+### 第 3 步：创建 ChatBI Agent
 
-现在创建 ChatBI Agent，它将使用 mcp-databend 与数据库交互。
+现在创建 ChatBI Agent，它将使用 mcp-databend 与您的数据库交互。
 
 创建文件 `agent.py`：
 <DetailsWrap>
@@ -127,10 +127,10 @@ agent = Agent(
     ),
     tools=[],
     instructions=[
-        "你是 ChatBI —— Databend 的商业智能助手。",
+        "你是 ChatBI - 专为 Databend 打造的商业智能助手。",
         "帮助用户使用自然语言探索和分析数据。",
-        "始终从探索可用数据库和表开始。",
-        "将查询结果格式化为清晰易读的表格。",
+        "始终先探索可用的数据库和表。",
+        "以清晰、易读的表格格式展示查询结果。",
         "在分析中提供见解和解释。"
     ],
     storage=SqliteStorage(table_name="chatbi", db_file="chatbi.db"),
@@ -145,7 +145,7 @@ agent = Agent(
 async def lifespan(app: FastAPI):
     tool = databend.create()
     if not await databend.init():
-        logger.error("初始化 Databend 失败")
+        logger.error("Databend 初始化失败")
         raise RuntimeError("Databend 连接失败")
 
     agent.tools.append(tool)
@@ -165,17 +165,16 @@ playground = Playground(
 app = playground.get_app(lifespan=lifespan)
 
 if __name__ == "__main__":
-    print("🤖 正在为 Databend 启动 MCP 服务器")
+    print("🤖 正在启动 Databend 的 MCP Server")
     print("打开 http://localhost:7777 开始聊天！")
     playground.serve(app="agent:app", host="127.0.0.1", port=7777)
 ```
 
 </details>
 </DetailsWrap>
+### 第 4 步：配置环境
 
-### 步骤 4：配置环境
-
-设置 API 密钥和数据库连接：
+设置您的 API 密钥和数据库连接：
 
 ```bash
 # 设置 OpenRouter API 密钥
@@ -185,19 +184,19 @@ export OPENROUTER_API_KEY="your-openrouter-key"
 export DATABEND_DSN="your-databend-connection-string"
 ```
 
-### 步骤 5：启动 ChatBI Agent
+### 第 5 步：启动 ChatBI Agent
 
 运行 Agent 启动本地服务器：
 
 ```bash
 python agent.py
 ```
 
-你将看到：
+您将看到：
 
 ```
 ✅ 环境变量检查通过
-🤖 正在为 Databend 启动 MCP 服务器
+🤖 正在启动 Databend 的 MCP Server
 打开 http://localhost:7777 开始聊天！
 INFO Starting playground on http://127.0.0.1:7777
 INFO:     Started server process [189851]
@@ -208,7 +207,7 @@ INFO:     Application startup complete.
 INFO:     Uvicorn running on http://127.0.0.1:7777 (Press CTRL+C to quit)
 ```
 
-### 步骤 6：设置 Web 界面
+### 第 6 步：设置 Web 界面
 
 为获得更佳体验，可配置 Agno 的 Web 界面：
 
@@ -220,22 +219,22 @@ npx create-agent-ui@latest
 cd agent-ui && npm run dev
 ```
 
-**连接到 Agent：**
+**连接到您的 Agent：**
 
 1. 打开 [http://localhost:3000](http://localhost:3000)
 2. 选择 "localhost:7777" 作为端点
-3. 开始提问你的数据！
+3. 开始提问关于您的数据！
 
 **试试这些查询：**
 
 - "显示所有数据库"
 - "我有哪些表？"
 - "描述我的表结构"
-- "运行查询展示示例数据"
+- "运行查询显示示例数据"
 
 ## 资源
 
-- **GitHub 仓库**： [databendlabs/mcp-databend](https://github.com/databendlabs/mcp-databend)
-- **PyPI 包**： [mcp-databend](https://pypi.org/project/mcp-databend)
-- **Agno 框架**： [Agno MCP](https://docs.agno.com/tools/mcp/mcp)
-- **Agent UI**： [Agent UI](https://docs.agno.com/agent-ui/introduction)
+- **GitHub 仓库**：[databendlabs/mcp-databend](https://github.com/databendlabs/mcp-databend)
+- **PyPI 包**：[mcp-databend](https://pypi.org/project/mcp-databend)
+- **Agno 框架**：[Agno MCP](https://docs.agno.com/tools/mcp/mcp)
+- **Agent UI**：[Agent UI](https://docs.agno.com/agent-ui/introduction)
diff --git a/docs/cn/guides/51-ai-functions/_category_.json b/docs/cn/guides/51-ai-functions/_category_.json
@@ -1,3 +1,3 @@
 {
-  "label": "AI 能力"
+  "label": "Databend 人工智能（AI）与机器学习（ML）"
 }
diff --git a/docs/cn/guides/51-ai-functions/index.md b/docs/cn/guides/51-ai-functions/index.md
@@ -2,30 +2,30 @@
 
 Databend 通过两种互补的方法实现强大的 AI 和 ML 功能：使用您自己的基础设施构建自定义 AI 函数，或使用自然语言创建对话式数据体验。
 
-## 外部函数（External Function） - 推荐方法
+## 外部函数 - 推荐方法
 
-外部函数（External Function）使您能够将数据与自定义的 AI/ML 基础设施连接，为 AI 工作负载提供最大的灵活性和性能。
+外部函数使您能够将数据与自定义的 AI/ML 基础设施连接，为 AI 工作负载提供最大的灵活性和性能。
 
-| 特性 | 优势 |
+| 功能 | 优势 |
 |---------|----------|
 | **自定义模型** | 使用任何开源或专有的 AI/ML 模型 |
 | **GPU 加速** | 部署在配备 GPU 的机器上以加快推理速度 |
 | **数据隐私** | 将数据保留在您的基础设施内 |
-| **可扩展性** | 独立扩展和资源优化 |
+| **可扩展性** | 独立的扩展和资源优化 |
 | **灵活性** | 支持任何编程语言和 ML 框架 |
 
-## MCP 服务器（MCP Server） - 自然语言数据交互
+## MCP 服务器 - 自然语言数据交互
 
-模型上下文协议（Model Context Protocol，MCP）服务器使 AI 助手能够使用自然语言与您的 Databend 数据库进行交互，非常适合构建对话式 BI 工具。
+模型上下文协议（Model Context Protocol, MCP）服务器使 AI 助手能够使用自然语言与您的 Databend 数据库进行交互，非常适合构建对话式 BI 工具。
 
-| 特性 | 优势 |
+| 功能 | 优势 |
 |---------|----------|
 | **自然语言** | 使用简单的英语查询您的数据 |
 | **AI 助手集成** | 可与 Claude、ChatGPT 和自定义代理配合使用 |
 | **实时分析** | 从您的数据中即时获取洞察 |
 
 ## 入门指南
 
-**[外部函数（External Function）指南](01-external-functions.md)** - 学习如何通过实际示例和实施指导创建和部署自定义 AI 函数
+**[外部函数指南](01-external-functions.md)** - 学习如何通过实际示例和实施指导来创建和部署自定义 AI 函数
 
-**[MCP 服务器（MCP Server）指南](02-mcp.md)** - 使用 mcp-databend 和自然语言查询构建对话式 BI 工具
+**[MCP 服务器指南](02-mcp.md)** - 使用 mcp-databend 和自然语言查询构建对话式 BI 工具
Original file line number	Diff line number	Diff line change
		@@ -1 +1 @@
		Translation initialization: 2025-08-07T12:00:58.554814
		Translation initialization: 2025-08-07T12:15:30.045055