i18n(ja): add missing particle after Markdown links (wo before verbs, wa for subject)

CONTRIBUTING.md

@@ -25,7 +25,7 @@
 -   [コードコメントスタイル](https://github.com/pingcap/community/blob/master/contributors/code-comment-style.md)
 -   図表スタイル: [Figma クイックスタートガイド](https://github.com/pingcap/community/blob/master/contributors/figma-quick-start-guide.md)
 
-    図のスタイルを統一するために、図の描画やデザインには[Figma](https://www.figma.com/)使用することをお勧めします。図を描く必要がある場合は、ガイドを参照し、テンプレートで提供されている図形や色を使用してください。
+    図のスタイルを統一するために、図の描画やデザインには[Figma](https://www.figma.com/)を使用することをお勧めします。図を描く必要がある場合は、ガイドを参照し、テンプレートで提供されている図形や色を使用してください。
 
 ### ドキュメントテンプレートを選択する {#pick-a-doc-template}
 
@@ -59,7 +59,7 @@ TiDB 用の新しいドキュメントを作成する場合は、当社のスタ
 
 ## 貢献方法 {#how-to-contribute}
 
-このリポジトリへのプルリクエストを作成するには、以下の手順を実行してください。コマンドを使いたくない場合は、 [GitHubデスクトップ](https://desktop.github.com/)使用することもできます。こちらの方が簡単です。
+このリポジトリへのプルリクエストを作成するには、以下の手順を実行してください。コマンドを使いたくない場合は、 [GitHubデスクトップ](https://desktop.github.com/)を使用することもできます。こちらの方が簡単です。
 
 > **注記：**
 >
@@ -121,7 +121,7 @@ TiDB 用の新しいドキュメントを作成する場合は、当社のスタ
 ### ステップ8: プルリクエストを作成する {#step-8-create-a-pull-request}
 
 1.  [https://github.com/$user/docs](https://github.com/$user/docs)でフォークにアクセスします ( `$user` GitHub ID に置き換えます)
-2.  `new-branch-name`ブランチの横にある`Compare & pull request`ボタンをクリックして PR を作成します。5 [プルリクエストのタイトルスタイル](https://github.com/pingcap/community/blob/master/contributors/commit-message-pr-style.md#pull-request-title-style)参照してください。
+2.  `new-branch-name`ブランチの横にある`Compare & pull request`ボタンをクリックして PR を作成します。5 [プルリクエストのタイトルスタイル](https://github.com/pingcap/community/blob/master/contributors/commit-message-pr-style.md#pull-request-title-style)を参照してください。
 
 これで、PR が正常に送信されました。この PR がマージされると、自動的に TiDB ドキュメントの貢献者になります。
 
@@ -148,7 +148,7 @@ TiDB 用の新しいドキュメントを作成する場合は、当社のスタ
 
 > **ヒント：**
 >
-> TiDB Cloudによって再利用される TiDB ドキュメントを確認するには、 [TiDB Cloudドキュメントの TOC ファイル](https://github.com/pingcap/docs/blob/release-8.1/TOC-tidb-cloud.md?plain=1)確認してください。
+> TiDB Cloudによって再利用される TiDB ドキュメントを確認するには、 [TiDB Cloudドキュメントの TOC ファイル](https://github.com/pingcap/docs/blob/release-8.1/TOC-tidb-cloud.md?plain=1)を確認してください。
 >
 > -   このファイル内のドキュメントのパスが`/tidb-cloud/`で始まる場合、このドキュメントはTiDB Cloud Dedicatedであることを意味します。
 > -   このファイル内のドキュメントのパスが`/tidb-cloud/`で始まっていない場合は、この TiDB ドキュメントがTiDB Cloudによって再利用されることを意味します。
@@ -193,7 +193,7 @@ TiDB Cloudで再利用される一部の TiDB ドキュメントには、 `Custo
 
 [TiDBドキュメント](https://docs.pingcap.com/tidb/stable) 、SQL構文の理解を助けるために、多くのSQL概要図を提供しています。例えば、 `ALTER INDEX`文[ここ](https://docs.pingcap.com/tidb/stable/sql-statement-alter-index#synopsis)の概要図があります。
 
-これら概要図のソースは[拡張バッカスナウア記法（EBNF）](https://en.wikipedia.org/wiki/Extended_Backus%E2%80%93Naur_form)使用して記述されています。SQL文のEBNFコードを準備する際には、コードを[https://kennytm.github.io/website-docs/dist/](https://kennytm.github.io/website-docs/dist/)にコピーして**「レンダリング」**をクリックすることで、EBNF図を簡単にプレビューできます。
+これら概要図のソースは[拡張バッカスナウア記法（EBNF）](https://en.wikipedia.org/wiki/Extended_Backus%E2%80%93Naur_form)を使用して記述されています。SQL文のEBNFコードを準備する際には、コードを[https://kennytm.github.io/website-docs/dist/](https://kennytm.github.io/website-docs/dist/)にコピーして**「レンダリング」**をクリックすることで、EBNF図を簡単にプレビューできます。
 
 ## 接触 {#contact}
 

ai/guides/auto-embedding.md

@@ -9,11 +9,11 @@ summary: アプリケーションで自動埋め込みを使用する方法を
 
 > **注記：**
 >
-> 自動埋め込みの完全な例については、 [自動埋め込みの例](/ai/examples/auto-embedding-with-pytidb.md)参照してください。
+> 自動埋め込みの完全な例については、 [自動埋め込みの例](/ai/examples/auto-embedding-with-pytidb.md)を参照してください。
 
 ## 基本的な使い方 {#basic-usage}
 
-このドキュメントでは、 TiDB Cloudホストの埋め込みモデルをデモに使用しています。サポートされているプロバイダーの全リストについては、 [自動埋め込みの概要](/ai/integrations/vector-search-auto-embedding-overview.md#available-text-embedding-models)参照してください。
+このドキュメントでは、 TiDB Cloudホストの埋め込みモデルをデモに使用しています。サポートされているプロバイダーの全リストについては、 [自動埋め込みの概要](/ai/integrations/vector-search-auto-embedding-overview.md#available-text-embedding-models)を参照してください。
 
 ### ステップ1. 埋め込み関数を定義する {#step-1-define-an-embedding-function}
 

ai/guides/filtering.md

@@ -183,7 +183,7 @@ results = table.query(
 ).to_list()
 ```
 
-`AND` 、 `OR` 、括弧を使用して複数の条件を組み合わせたり、TiDB でサポートされている[SQL演算子](https://docs.pingcap.com/tidbcloud/operators/)使用したりできます。
+`AND` 、 `OR` 、括弧を使用して複数の条件を組み合わせたり、TiDB でサポートされている[SQL演算子](https://docs.pingcap.com/tidbcloud/operators/)を使用したりできます。
 
 > **警告：**
 >

ai/guides/image-search.md

@@ -11,7 +11,7 @@ TiDBは**ベクトル検索**による画像検索を可能にします。自動
 
 > **注記：**
 >
-> 画像検索の完全な例については、 [画像検索の例](/ai/examples/image-search-with-pytidb.md)参照してください。
+> 画像検索の完全な例については、 [画像検索の例](/ai/examples/image-search-with-pytidb.md)を参照してください。
 
 ## 基本的な使い方 {#basic-usage}
 

ai/guides/join-queries.md

@@ -14,7 +14,7 @@ summary: アプリケーションで複数のテーブル結合を使用する
 <SimpleTab groupId="language">
 <div label="Python" value="python">
 
-すでに[TiDBに接続](/ai/guides/connect.md)使用して`TiDBClient`あると仮定します。
+`TiDBClient`を使用して、すでに[TiDBに接続](/ai/guides/connect.md)していると仮定します。
 
 `documents`テーブルを作成し、いくつかのサンプル データを挿入します。
 

ai/guides/tables.md

@@ -15,7 +15,7 @@ TiDBは、関連するデータのコレクションを整理して保存する
 
 > **注記：**
 >
-> 完全な動作例については、リポジトリの[基本的な例](https://github.com/pingcap/pytidb/tree/main/examples/basic)参照してください。
+> 完全な動作例については、リポジトリの[基本的な例](https://github.com/pingcap/pytidb/tree/main/examples/basic)を参照してください。
 
 ## テーブルを作成する {#create-a-table}
 

ai/guides/vector-search-full-text-search-python.md

@@ -20,9 +20,9 @@ TiDBの全文検索機能は、以下の機能を提供します。
 
 > **ヒント：**
 >
-> SQL の使用法については、 [SQLによる全文検索](/ai/guides/vector-search-full-text-search-sql.md)参照してください。
+> SQL の使用法については、 [SQLによる全文検索](/ai/guides/vector-search-full-text-search-sql.md)を参照してください。
 >
-> AI アプリで全文検索とベクトル検索を併用するには、 [ハイブリッド検索](/ai/guides/vector-search-hybrid-search.md)参照してください。
+> AI アプリで全文検索とベクトル検索を併用するには、 [ハイブリッド検索](/ai/guides/vector-search-hybrid-search.md)を参照してください。
 
 ## 前提条件 {#prerequisites}
 
@@ -147,7 +147,7 @@ df = (
 # 1   2  the quick brown        2
 ```
 
-完全な例については、 [pytidb全文検索デモ](https://github.com/pingcap/pytidb/blob/main/examples/fulltext_search)参照してください。
+完全な例については、 [pytidb全文検索デモ](https://github.com/pingcap/pytidb/blob/main/examples/fulltext_search)を参照してください。
 
 ## 関連項目 {#see-also}
 

ai/guides/vector-search-full-text-search-sql.md

@@ -22,7 +22,7 @@ TiDBの全文検索機能は、以下の機能を提供します。
 >
 > Python の使い方については、 [Pythonによる全文検索](/ai/guides/vector-search-full-text-search-python.md)ご覧ください。
 >
-> AI アプリで全文検索とベクトル検索を併用するには、 [ハイブリッド検索](/ai/guides/vector-search-hybrid-search.md)参照してください。
+> AI アプリで全文検索とベクトル検索を併用するには、 [ハイブリッド検索](/ai/guides/vector-search-hybrid-search.md)を参照してください。
 
 ## さあ始めましょう {#get-started}
 

ai/guides/vector-search-hybrid-search.md

@@ -158,7 +158,7 @@ df = (
 
 相互ランク融合（RRF）は、複数の検索結果セットにおける文書のランクを活用して検索結果を評価するアルゴリズムです。
 
-詳細については、 [RRF論文](https://plg.uwaterloo.ca/~gvcormac/cormacksigir09-rrf.pdf)参照してください。
+詳細については、 [RRF論文](https://plg.uwaterloo.ca/~gvcormac/cormacksigir09-rrf.pdf)を参照してください。
 
 `method`メソッドで`"rrf"`パラメーター`.fusion()`有効にします。
 

ai/guides/vector-search.md

@@ -9,7 +9,7 @@ summary: アプリケーションでベクトル検索を使用する方法を
 
 > **注記：**
 >
-> ベクトル検索の完全な例については、 [ベクトル検索の例](/ai/examples/vector-search-with-pytidb.md)参照してください。
+> ベクトル検索の完全な例については、 [ベクトル検索の例](/ai/examples/vector-search-with-pytidb.md)を参照してください。
 
 ## 基本的な使い方 {#basic-usage}
 
@@ -362,7 +362,7 @@ LIMIT 10;
 >
 > これを軽減するには、**内部クエリ**の`LIMIT`値 (例: 50) を増やして、より多くの候補を取得し、フィルタリング後に十分な有効な結果が返される可能性を高めることができます。
 
-サポートされている SQL 演算子については、 TiDB Cloudドキュメントの[オペレーター](https://docs.pingcap.com/tidbcloud/operators/)参照してください。
+サポートされている SQL 演算子については、 TiDB Cloudドキュメントの[オペレーター](https://docs.pingcap.com/tidbcloud/operators/)を参照してください。
 
 </div>
 </SimpleTab>
@@ -385,7 +385,7 @@ results = (
 )
 ```
 
-サポートされているフィルター演算子については、 [フィルタリング](/ai/guides/filtering.md)参照してください。
+サポートされているフィルター演算子については、 [フィルタリング](/ai/guides/filtering.md)を参照してください。
 
 </div>
 <div label="SQL" value="sql">
@@ -400,7 +400,7 @@ ORDER BY distance
 LIMIT 10;
 ```
 
-サポートされている SQL 演算子については、 TiDB Cloudドキュメントの[オペレーター](https://docs.pingcap.com/tidbcloud/operators/)参照してください。
+サポートされている SQL 演算子については、 TiDB Cloudドキュメントの[オペレーター](https://docs.pingcap.com/tidbcloud/operators/)を参照してください。
 
 </div>
 </SimpleTab>

ai/integrations/vector-search-auto-embedding-gemini.md

@@ -6,7 +6,7 @@ aliases: ['/ja/tidbcloud/vector-search-auto-embedding-gemini/']
 
 # Gemini埋め込み {#gemini-embeddings}
 
-このドキュメントでは、 TiDB Cloudで Gemini 埋め込みモデルを[自動埋め込み](/ai/integrations/vector-search-auto-embedding-overview.md)使用する方法、およびテキストクエリによるセマンティック検索を実行する方法について説明します。
+このドキュメントでは、 TiDB Cloudで Gemini 埋め込みモデルを[自動埋め込み](/ai/integrations/vector-search-auto-embedding-overview.md)で使用する方法、およびテキストクエリによるセマンティック検索を実行する方法について説明します。
 
 > **注記：**
 >

ai/integrations/vector-search-auto-embedding-huggingface.md

@@ -6,7 +6,7 @@ aliases: ['/ja/tidbcloud/vector-search-auto-embedding-huggingface/']
 
 # Hugging Face Embeddings {#hugging-face-embeddings}
 
-このドキュメントでは、 TiDB Cloudで Hugging Face 埋め込みモデルを[自動埋め込み](/ai/integrations/vector-search-auto-embedding-overview.md)使用する方法、テキストクエリによる意味検索を実行する方法について説明します。
+このドキュメントでは、 TiDB Cloudで Hugging Face 埋め込みモデルを[自動埋め込み](/ai/integrations/vector-search-auto-embedding-overview.md)で使用する方法、テキストクエリによる意味検索を実行する方法について説明します。
 
 > **注記：**
 >

ai/integrations/vector-search-auto-embedding-nvidia-nim.md

@@ -6,7 +6,7 @@ aliases: ['/ja/tidbcloud/vector-search-auto-embedding-nvidia-nim/']
 
 # NVIDIA NIM エンベディング {#nvidia-nim-embeddings}
 
-このドキュメントでは、TiDB CloudでNVIDIA NIM埋め込みモデルを[自動埋め込み](/ai/integrations/vector-search-auto-embedding-overview.md)使用して、テキストクエリによるセマンティック検索を実行する方法について説明します。
+このドキュメントでは、TiDB CloudでNVIDIA NIM埋め込みモデルを[自動埋め込み](/ai/integrations/vector-search-auto-embedding-overview.md)で使用して、テキストクエリによるセマンティック検索を実行する方法について説明します。
 
 > **注記：**
 >

ai/integrations/vector-search-integrate-with-langchain.md

@@ -91,7 +91,7 @@ TiDB Cloud Starterインスタンスの場合、接続文字列を取得し、
 
 5.  環境変数を設定します。
 
-    このドキュメントでは、埋め込みモデルプロバイダーとして[OpenAI](https://platform.openai.com/docs/introduction)を使用します。この手順では、前の手順で取得した接続文字列と[OpenAI APIキー](https://platform.openai.com/docs/quickstart/step-2-set-up-your-api-key)指定する必要があります。
+    このドキュメントでは、埋め込みモデルプロバイダーとして[OpenAI](https://platform.openai.com/docs/introduction)を使用します。この手順では、前の手順で取得した接続文字列と[OpenAI APIキー](https://platform.openai.com/docs/quickstart/step-2-set-up-your-api-key)を指定する必要があります。
 
     環境変数を設定するには、次のコードを実行してください。接続文字列とOpenAI APIキーの入力を求められます。
 
@@ -109,7 +109,7 @@ TiDB Cloud Starterインスタンスの場合、接続文字列を取得し、
 </div>
 <div label="TiDB Self-Managed" value="tidb">
 
-このドキュメントでは、埋め込みモデルプロバイダーとして[OpenAI](https://platform.openai.com/docs/introduction)を使用します。この手順では、前の手順で取得した接続文字列と[OpenAI APIキー](https://platform.openai.com/docs/quickstart/step-2-set-up-your-api-key)指定する必要があります。
+このドキュメントでは、埋め込みモデルプロバイダーとして[OpenAI](https://platform.openai.com/docs/introduction)を使用します。この手順では、前の手順で取得した接続文字列と[OpenAI APIキー](https://platform.openai.com/docs/quickstart/step-2-set-up-your-api-key)を指定する必要があります。
 
 環境変数を設定するには、次のコードを実行してください。接続文字列とOpenAI APIキーの入力を求められます。
 

ai/integrations/vector-search-integrate-with-llamaindex.md

@@ -90,7 +90,7 @@ TiDB Cloud Starterインスタンスの場合、接続文字列を取得し、
 
 5.  環境変数を設定します。
 
-    このドキュメントでは、埋め込みモデルプロバイダーとして[OpenAI](https://platform.openai.com/docs/introduction)を使用します。この手順では、前の手順で取得した接続文字列と[OpenAI APIキー](https://platform.openai.com/docs/quickstart/step-2-set-up-your-api-key)指定する必要があります。
+    このドキュメントでは、埋め込みモデルプロバイダーとして[OpenAI](https://platform.openai.com/docs/introduction)を使用します。この手順では、前の手順で取得した接続文字列と[OpenAI APIキー](https://platform.openai.com/docs/quickstart/step-2-set-up-your-api-key)を指定する必要があります。
 
     環境変数を設定するには、次のコードを実行してください。接続文字列とOpenAI APIキーの入力を求められます。
 
@@ -108,7 +108,7 @@ TiDB Cloud Starterインスタンスの場合、接続文字列を取得し、
 </div>
 <div label="TiDB Self-Managed" value="tidb">
 
-このドキュメントでは、埋め込みモデルプロバイダーとして[OpenAI](https://platform.openai.com/docs/introduction)を使用します。この手順では、TiDBクラスターの接続文字列と[OpenAI APIキー](https://platform.openai.com/docs/quickstart/step-2-set-up-your-api-key)指定する必要があります。
+このドキュメントでは、埋め込みモデルプロバイダーとして[OpenAI](https://platform.openai.com/docs/introduction)を使用します。この手順では、TiDBクラスターの接続文字列と[OpenAI APIキー](https://platform.openai.com/docs/quickstart/step-2-set-up-your-api-key)を指定する必要があります。
 
 環境変数を設定するには、次のコードを実行してください。接続文字列とOpenAI APIキーの入力を求められます。