static: update generated llms.txt files (#738)

Co-authored-by: pingcap-docs-app[bot] <136219707+pingcap-docs-app[bot]@users.noreply.github.com>

Author: pingcap-docs-app[bot]

static/ai/llms.txt

@@ -50,22 +50,22 @@
 - 自動埋め込み
   - [概要](https://docs.pingcap.com/ja/ai/vector-search-auto-embedding-overview.md): 自動埋め込み機能を使用して、ベクトルではなくプレーンテキストで意味検索を実行する方法を学びましょう。
   - [OpenAI](https://docs.pingcap.com/ja/ai/vector-search-auto-embedding-openai.md): TiDB CloudでOpenAIの埋め込みモデルを使用する方法を学びましょう。
-  - [OpenAI対応](https://docs.pingcap.com/ja/ai/embedding-openai-compatible.md): TiDB Vector SearchをOpenAI互換の埋め込みモデルと統合して、埋め込みデータを保存し、セマンティック検索を実行する方法を学びましょう。
+  - [OpenAI対応](https://docs.pingcap.com/ja/ai/embedding-openai-compatible.md): TiDBベクトル検索をOpenAI互換の埋め込みモデルと統合して、埋め込みデータを保存し、セマンティック検索を実行する方法を学びましょう。
   - [Jina AI](https://docs.pingcap.com/ja/ai/vector-search-auto-embedding-jina-ai.md): TiDB CloudでJina AI埋め込みモデルを使用する方法を学びましょう。
   - [Cohere](https://docs.pingcap.com/ja/ai/vector-search-auto-embedding-cohere.md): TiDB CloudでCohere埋め込みモデルを使用する方法を学びましょう。
   - [Google Gemini](https://docs.pingcap.com/ja/ai/vector-search-auto-embedding-gemini.md): TiDB CloudでGoogle Geminiの埋め込みモデルを使用する方法を学びましょう。
   - [Hugging Face](https://docs.pingcap.com/ja/ai/vector-search-auto-embedding-huggingface.md): TiDB CloudでHugging Face埋め込みモデルを使用する方法を学びましょう。
   - [NVIDIA NIM](https://docs.pingcap.com/ja/ai/vector-search-auto-embedding-nvidia-nim.md): TiDB CloudでNVIDIA NIM埋め込みモデルを使用する方法を学びましょう。
   - [Amazon Titan](https://docs.pingcap.com/ja/ai/vector-search-auto-embedding-amazon-titan.md): TiDB CloudでAmazon Titanの埋め込みモデルを使用する方法を学びましょう。
 - AIフレームワーク
-  - [LlamaIndex](https://docs.pingcap.com/ja/ai/vector-search-integrate-with-llamaindex.md): TiDB Vector SearchとLlamaIndexを統合する方法を学びましょう。
+  - [LlamaIndex](https://docs.pingcap.com/ja/ai/vector-search-integrate-with-llamaindex.md): TiDBベクトル検索とLlamaIndexを統合する方法を学びましょう。
 - ORMライブラリ
-  - [SQLAlchemy](https://docs.pingcap.com/ja/ai/vector-search-integrate-with-sqlalchemy.md): TiDB Vector SearchをSQLAlchemyと統合して、埋め込みデータを保存し、セマンティック検索を実行する方法を学びましょう。
-  - [Django ORM](https://docs.pingcap.com/ja/ai/vector-search-integrate-with-django-orm.md): TiDB Vector SearchをDjango ORMと統合して、埋め込みデータを保存し、セマンティック検索を実行する方法を学びましょう。
-  - [Peewee](https://docs.pingcap.com/ja/ai/vector-search-integrate-with-peewee.md): TiDB Vector Searchをpeeweeと統合して、埋め込みデータを保存し、セマンティック検索を実行する方法を学びましょう。
+  - [SQLAlchemy](https://docs.pingcap.com/ja/ai/vector-search-integrate-with-sqlalchemy.md): TiDBベクトル検索をSQLAlchemyと統合して、埋め込みデータを保存し、セマンティック検索を実行する方法を学びましょう。
+  - [Django ORM](https://docs.pingcap.com/ja/ai/vector-search-integrate-with-django-orm.md): TiDBベクトル検索をDjango ORMと統合して、埋め込みデータを保存し、セマンティック検索を実行する方法を学びましょう。
+  - [Peewee](https://docs.pingcap.com/ja/ai/vector-search-integrate-with-peewee.md): TiDBベクトル検索をpeeweeと統合して、埋め込みデータを保存し、セマンティック検索を実行する方法を学びましょう。
 - クラウドサービス
-  - [Jina AI埋め込み](https://docs.pingcap.com/ja/ai/vector-search-integrate-with-jinaai-embedding.md): TiDB Vector SearchをJina AI Embeddings APIと統合して、埋め込みデータを保存し、セマンティック検索を実行する方法を学びましょう。
-  - [Amazon Bedrock](https://docs.pingcap.com/ja/ai/vector-search-integrate-with-amazon-bedrock.md): TiDB Vector SearchをAmazon Bedrockと統合して、検索拡張生成（RAG）Q&Aボットを構築する方法を学びましょう。
+  - [Jina AI埋め込み](https://docs.pingcap.com/ja/ai/vector-search-integrate-with-jinaai-embedding.md): TiDBベクトル検索をJina AI Embeddings APIと統合して、埋め込みデータを保存し、セマンティック検索を実行する方法を学びましょう。
+  - [Amazon Bedrock](https://docs.pingcap.com/ja/ai/vector-search-integrate-with-amazon-bedrock.md): TiDBベクトル検索をAmazon Bedrockと統合して、検索拡張生成（RAG）Q&Aボットを構築する方法を学びましょう。
 - MCP サーバー
   - [概要](https://docs.pingcap.com/ja/ai/tidb-mcp-server.md): TiDB MCPサーバーを使用すると、自然言語による指示でTiDBデータベースを管理できます。
   - [Claude Code](https://docs.pingcap.com/ja/ai/tidb-mcp-claude-code.md): このガイドでは、Claude CodeでTiDB MCPサーバーを設定する方法を説明します。
@@ -79,5 +79,5 @@
 - [ベクトルデータ型](https://docs.pingcap.com/ja/ai/vector-search-data-types.md): TiDB の Vector データ型について学習します。
 - [ベクトル関数と演算子](https://docs.pingcap.com/ja/ai/vector-search-functions-and-operators.md): Vector データ型で使用できる関数と演算子について学習します。
 - [ベクトル検索インデックス](https://docs.pingcap.com/ja/ai/vector-search-index.md): ベクトル検索インデックスを構築して使用し、TiDB で K近傍法 (KNN) クエリを高速化する方法を学びます。
-- [ベクトル検索の性能チューニング](https://docs.pingcap.com/ja/ai/vector-search-improve-performance.md): TiDB Vector Search のパフォーマンスを向上させるためのベストプラクティスを学びます。
+- [ベクトル検索の性能チューニング](https://docs.pingcap.com/ja/ai/vector-search-improve-performance.md): TiDBベクトル検索のパフォーマンスを向上させるためのベストプラクティスを学びます。
 - [ベクトル検索の制限事項](https://docs.pingcap.com/ja/ai/vector-search-limitations.md): TiDBベクトル検索の限界について理解しましょう。

static/ja/ai/llms.txt

@@ -184,7 +184,7 @@
     - [3.0.0-rc.2](https://docs.pingcap.com/ja/tidb/stable/release-3.0.0-rc.2.md): TiDB 3.0.0-rc.2は2019年5月28日にリリースされ、安定性、ユーザビリティ、機能、SQLオプティマイザ、統計、実行エンジンが改善されました。このリリースには、SQLオプティマイザ、実行エンジン、サーバー、DDL、PD、TiKV、そしてTiDB BinlogやTiDB Lightningなどのツールの機能強化が含まれています。注目すべき改善点としては、より多くのシナリオでのインデックス結合のサポート、仮想列の適切な処理、下流のデータレプリケーションを追跡するためのメトリックの追加などが挙げられます。
     - [3.0.0-rc.1](https://docs.pingcap.com/ja/tidb/stable/release-3.0.0-rc.1.md): TiDB 3.0.0-rc.1は2019年5月10日にリリースされ、安定性、使いやすさ、機能、SQLオプティマイザ、統計、実行エンジンが改善されました。このリリースには、SQLオプティマイザ、実行エンジン、サーバー、DDL、PD、TiKV、TiDB Binlog、Lightning、sync-diff-inspector、TiDB Ansibleの機能強化が含まれています。主な改善点としては、SQLプラン管理、メモリ使用量の追跡、実行エンジンの制御のサポート、DDLのCREATE TABLE`文への`pre_split_regions`オプションの追加などが挙げられます。また、このリリースには、さまざまなバグ修正とパフォーマンスの最適化も含まれています。
     - [3.0.0-beta.1](https://docs.pingcap.com/ja/tidb/stable/release-3.0.0-beta.1.md): TiDB 3.0.0 Beta.1は2019年3月26日にリリースされ、安定性、ユーザビリティ、機能、SQLオプティマイザ、統計、実行エンジンが改善されました。このリリースには、さまざまなSQL関数のサポート、権限管理、サーバーの機能強化、DDLの改善、PDおよびTiKVの最適化が含まれています。TiDB Binlog、Lightning、データレプリケーション比較ツールなどのツールも、新機能と改善が追加されてアップデートされました。
-    - [3.0.0-beta](https://docs.pingcap.com/ja/tidb/stable/release-3.0-beta.md): 2019年1月19日にリリースされたTiDB 3.0ベータ版は、安定性、SQLオプティマイザ、統計、実行エンジンに重点を置いています。新機能には、ビュー、ウィンドウ関数、範囲分割、ハッシュ分割のサポートが含まれます。SQLオプティマイザは、トランザクションにおけるインデックス結合のサポート、定数伝播の最適化、DO文におけるサブクエリのサポートなど、さまざまな最適化によって強化されました。SQLエグゼキューターも最適化され、パフォーマンスが向上しました。権限管理、サーバー、互換性、DDLがすべて改善されました。TiDB Lightningは単一テーブルのバッチインポートをサポートするようになり、PDとTiKVにもさまざまな機能強化と新機能が追加されました。
+    - [3.0.0-beta](https://docs.pingcap.com/ja/tidb/stable/release-3.0-beta.md): 2019年1月19日にリリースされたTiDB 3.0ベータ版は、安定性、SQLオプティマイザ、統計、実行エンジンに重点を置いています。新機能には、ビュー、ウィンドウ関数、レンジパーティショニング、ハッシュパーティショニングのサポートが含まれます。SQLオプティマイザは、トランザクションにおけるインデックス結合のサポート、定数伝播の最適化、DO文におけるサブクエリのサポートなど、さまざまな最適化によって強化されました。SQLエグゼキューターも最適化され、パフォーマンスが向上しました。権限管理、サーバー、互換性、DDLがすべて改善されました。TiDB Lightningは単一テーブルのバッチインポートをサポートするようになり、PDとTiKVにもさまざまな機能強化と新機能が追加されました。
   - v2.1
     - [2.1.19](https://docs.pingcap.com/ja/tidb/stable/release-2.1.19.md): TiDB 2.1.19は2019年12月27日にリリースされました。SQLオプティマイザ、SQL実行エンジン、サーバー、DDL、TiKV、PD、TiDB Ansibleに関する様々な修正と最適化が含まれています。主な修正としては、不正なクエリ結果の解決、メモリオーバーヘッドの削減、タイムゾーン、データ重複、panic発生に関連する問題の修正などが挙げられます。また、TiDB BinlogとTiDB Ansibleのアップグレードと最適化も含まれています。
     - [2.1.18](https://docs.pingcap.com/ja/tidb/stable/release-2.1.18.md): TiDB 2.1.18は2019年11月4日にリリースされました。このリリースには、SQLオプティマイザ、SQLエンジン、サーバー、DDL、モニター、ツールに関する様々な修正と最適化が含まれています。注目すべき改善点としては、ORDER BY、GROUP BY、LIMIT OFFSETにおけるパラメータの使用のサポート、インデックス追加操作の進行状況を監視するための新しいメトリクスの追加などが挙げられます。TiDB Ansibleバージョン2.1.18には、TiDB Binlogの更新と新しい監視項目も含まれています。