KI-Unterstützung für Firebase Data Connect-Schemas, ‑Abfragen und ‑Mutationen verwenden

Sie können Gemini in Firebase verwenden, um Schemas, Abfragen und Mutationen zu erstellen, die in Ihren clientseitigen Code eingefügt werden.

Beschreiben Sie eine App und fassen Sie ihr Datenmodell zusammen oder beschreiben Sie eine Abfrage oder Mutation, die Sie in natürlicher Sprache generieren möchten. Gemini in Firebase stellt Ihnen dann das entsprechende GraphQL-Äquivalent zur Verfügung.

Diese KI-Unterstützung ist in vielen Entwicklungskontexten verfügbar:

  • Führen Sie in der Firebase-Konsole die Ausgabe aus und testen Sie sie, stellen Sie Ihr Schema und Ihre Vorgänge in der Produktionsumgebung bereit und synchronisieren Sie sie mit Ihrer lokalen Entwicklungsumgebung.
  • Lokal in unserer Data Connect-VS Code-Erweiterung mit Gemini Code Assist mit einer lokalen PostgreSQL-Datenbank und einem Emulator entwerfen, ausführen und testen.

Weitere Informationen zu Abfragen und Mutationen finden Sie unter Data Connect Schemas, Abfragen und Mutationen.

Wie AI assistance for Data Connect Ihre Daten verwendet

Weitere Informationen dazu, wie Gemini Ihre Daten in Firebase verwendet, finden Sie unter So verwendet Gemini in Firebase Ihre Daten.

AI assistance for Data Connect einrichten

Wenn Sie die KI-Unterstützung in Data Connect einrichten möchten, aktivieren Sie Gemini in Firebase wie unter Gemini in Firebase einrichten beschrieben und fahren Sie mit GraphQL-Abfragen und ‑Mutationen mit Gemini in Firebase generieren fort.

GraphQL-Schemas, ‑Abfragen und ‑Mutationen mit Gemini in Firebase generieren

Die KI-Unterstützung für Data Connect ist in vielen Kontexten und in vielen Workflows verfügbar.

Neue App und das anfängliche Schema und die anfänglichen Vorgänge in der Firebase-Konsole erstellen

Wenn Sie ein neues Firebase-Projekt erstellen und die Entwicklung einer neuen App einrichten, bietet die Firebase Console automatisch KI-Unterstützung für die Schema- und Vorgangsgenerierung.

Bei diesem Einrichtungsvorgang können Sie eine App und dann die KI-Unterstützung beschreiben:

  • Er generiert ein vollständiges Data Connect-Schema.
  • Er generiert eine nützliche Reihe von Abfragen und Mutationen, die Sie dann in Clientcode einbinden können.

Sie synchronisieren diese in der Console erstellten Ressourcen mit Ihrer lokalen Entwicklungsumgebung, um die Integration mit Ihren Kunden fortzusetzen.

Dieser Workflow wird in unserem Startleitfaden beschrieben.

Neue Abfragen und Mutationen hinzufügen, die in der Firebase-Konsole ausgeführt werden sollen

So verwenden Sie AI assistance for Data Connect, um GraphQL auf der Grundlage von natürlicher Sprache zu generieren:

  1. Öffnen Sie Data Connect in Ihrem Projekt und wählen Sie unter Dienste Ihre Datenquelle aus.

  2. Klicken Sie auf Daten.

  3. Klicken Sie auf das Symbol Hilfe beim Verfassen von GraphQLpen_spark.

  4. Beschreiben Sie im angezeigten Textfeld in natürlicher Sprache die Abfrage oder Mutation, die Sie generieren möchten, und klicken Sie auf Generieren.

    Wenn Sie beispielsweise die Datenquelle „Filme“ verwenden, auf die im Codelab „Mit Data Connect (Web) erstellen“ verwiesen wird, könnten Sie fragen: Die fünf besten Filme von 2022 in absteigender Reihenfolge nach Bewertung zurückgeben. Dies könnte ein Ergebnis wie das folgende zurückgeben:

    query TopMovies2022 {
  movies(where: {releaseYear: {eq: 2022}}, orderBy: [{rating: DESC}], limit: 5) {
    id
    title
    rating
    releaseYear
  }
}

  5. Prüfen Sie die Antwort:

    • Wenn die Antwort korrekt aussieht, klicken Sie auf Einfügen, um sie in den Code-Editor einzufügen.
    • Wenn die Antwort optimiert werden könnte, klicken Sie auf Bearbeiten, aktualisieren Sie den Prompt und klicken Sie auf Neu generieren.

  6. Nachdem Sie die Antwort akzeptiert haben, legen Sie gegebenenfalls im Abschnitt Parameter Folgendes fest:

    • Variablen: Wenn Ihre Abfrage oder Mutation Variablen enthält, definieren Sie sie hier. Definieren Sie sie mit JSON, z. B. {"title":"The Matrix", "releaseYear":"1999"}.
    • Autorisierung: Wählen Sie den Autorisierungskontext (Administrator, Authentifiziert oder Nicht authentifiziert) aus, mit dem die Abfrage oder Mutation ausgeführt werden soll.

  7. Klicken Sie im Code-Editor auf Ausführen und sehen Sie sich die Ergebnisse an.

Wenn Sie mehrere Abfragen oder Mutationen im Code-Editor testen möchten, müssen sie benannt sein. Die folgende Abfrage heißt beispielsweise GetMovie. Bewegen Sie den Cursor in die erste Zeile der Abfrage oder Mutation, um die Schaltfläche Ausführen zu aktivieren.

query GetMovie($myKey: Movie_Key!) {
  movie(key: $myKey) { title }
}

Erstes Schema und Vorgänge beim lokalen Prototyping erstellen

Ab dem Gemini Code Assist ist KI-Unterstützung für Ihre lokale Prototyping-Arbeit verfügbar, wenn Sie Visual Studio Code und unsere VS Code-Erweiterung für Data Connect verwenden.

Mit der Erweiterung können Sie eine App beschreiben und dann Gemini Code Assist:

  • Er generiert ein vollständiges Data Connect-Schema.
  • Er generiert eine nützliche Reihe von Abfragen und Mutationen, die Sie dann in Clientcode einbinden können.

Dieser Workflow wird in unserem Leitfaden für den Einstieg in das lokale Prototyping beschrieben.

Weitere Anwendungsfälle für AI assistance for Data Connect

In den folgenden Abschnitten werden Beispielanwendungsfälle beschrieben. In einem Fall können Sie Gemini bitten, Ihnen beim Erstellen einer Mutation zu helfen, um Data Connect zu befüllen, und dann eine Abfrage ausführen, um die Ergebnisse zu überprüfen.

Eine Mutation erstellen, die der Datenbank basierend auf der Nutzereingabe einen Film hinzufügt

In diesem Abschnitt sehen Sie sich ein Beispiel an, wie Sie mithilfe von natürlicher Sprache GraphQL für eine Mutation generieren, mit der Sie Ihre Datenbank füllen können. In diesem Beispiel wird davon ausgegangen, dass Sie das Filmdatenbankschema verwenden, das in der Firebase Data Connect-Dokumentation und im Codelab „Mit Data Connect (Web) erstellen“ verwendet wird.

  1. Öffnen Sie in der Firebase-Konsole Data Connect.

  2. Wählen Sie den Dienst und die Datenquelle aus und öffnen Sie den Tab Daten.

  3. Klicken Sie auf das Symbol Hilfe beim Verfassen von GraphQLpen_spark und geben Sie in das angezeigte Feld Ihre Abfrage ein:

    Create a movie based on user input.

  4. Klicken Sie auf Erstellen. Die Mutation wird zurückgegeben. Gemini kann beispielsweise eine Mutation wie die folgende zurückgeben:

    mutation CreateMovie($title: String!, $releaseYear: Int!, $genre: String!, $rating: Float!, $description: String!, $imageUrl: String!, $tags: [String!] = []) @auth(level: USER) {
  movie_insert(data: {
    title: $title,
    releaseYear: $releaseYear,
    genre: $genre,
    rating: $rating,
    description: $description,
    imageUrl: $imageUrl,
    tags: $tags
  })
}

  5. Sehen Sie sich die Ausgabe an. Klicken Sie bei Bedarf auf Bearbeiten, um den Prompt zu verfeinern, und dann auf Neu generieren.

  6. Klicken Sie dann auf Einfügen, um die Mutation in den Dateneditor einzufügen.

  7. Um die Mutation auszuführen, müssen Sie Variablen hinzufügen. Öffnen Sie im Bereich Parameter die Variablen und fügen Sie einige Testvariablen hinzu:

    {"title":"My amazing movie", "releaseYear":2024, "genre": "Comedy",
"rating": 8, "description": "A new movie to test mutations",
"imageUrl": "", "tags": ["comedy","space travel"]}

  8. Klicken Sie auf Ausführen.

  9. Erstellen Sie als Nächstes eine Abfrage, um zu prüfen, ob Ihr Film hinzugefügt wurde. Klicken Sie auf Hilfe beim Verfassen von GraphQL pen_spark und geben Sie in das angezeigte Feld Ihren Prompt ein:

    List all movies from 2024 that include all of these tags: 'space travel', 'comedy'.

    Gemini gibt möglicherweise eine Antwort wie die folgende zurück:

    query ComedySpaceTravelMovies2024 @auth(level: PUBLIC) {
  movies(
    where: {
    releaseYear: { eq: 2024 },
    tags: { includesAll: ["space travel", "comedy"] }
    }
  ) {
      id
      title
      imageUrl
      releaseYear
      genre
      rating
      description
      tags
    }
}

  10. Fügen Sie die Abfrage ein und führen Sie sie aus. Der hinzugefügte Film sollte im Feld Verlauf angezeigt werden.

Abfrage erstellen, in der Rezensionen basierend auf von Nutzern bereitgestellten Genres und Bewertungen aufgelistet werden

In diesem Abschnitt sehen Sie sich ein Beispiel an, wie Sie mit natürlicher Sprache GraphQL für eine Abfrage generieren. In diesem Beispiel wird davon ausgegangen, dass Sie die Filmdatenbank verwenden, die in der Firebase Data Connect-Dokumentation und im Codelab „Mit Data Connect (Web) erstellen“ verwendet wird.

  1. Öffnen Sie in der Firebase-Konsole Data Connect.

  2. Wählen Sie den Dienst und die Datenquelle aus und öffnen Sie den Tab Daten.

  3. Klicken Sie auf das Symbol Hilfe beim Verfassen von GraphQLpen_spark und geben Sie in das angezeigte Feld Ihre Abfrage ein:

    List all movie reviews, based on user-configurable genre and ratings.

  4. Klicken Sie auf Erstellen. Die Abfrage wird zurückgegeben. Gemini könnte beispielsweise eine Anfrage wie diese zurückgeben:

    query ListReviewsByGenreAndRating($genre: String, $minRating: Int, $maxRating: Int) @auth(level: PUBLIC) {
  reviews(where: {
    movie: {
      genre: {eq: $genre}
    },
    rating: {ge: $minRating, le: $maxRating}
  }) {
    id
    user {
      username
    }
    movie {
      title
      genre
    }
    rating
    reviewText
    reviewDate
  }
}

  5. Sehen Sie sich die Ausgabe an. Klicken Sie bei Bedarf auf Bearbeiten, um den Prompt zu verfeinern, und dann auf Neu generieren.

  6. Klicken Sie dann auf Einfügen, um die Mutation in den Dateneditor einzufügen.

  7. Wenn Sie diese Abfrage testen möchten, müssen Sie Variablen hinzufügen. Öffnen Sie im Bereich Parameter die Option Variablen und fügen Sie die Variablen hinzu, die für die Tests verwendet werden sollen:

    {"genre":"sci-fi", "minRating":4, "maxRating":9}

  8. Klicken Sie auf Ausführen.

Designvorschläge für die Verwendung mit KI-Hilfstools von Drittanbietern

Wie bei allen KI-gestützten Tools und -Agenten gilt: Je besser die Prompts, desto nützlicher die Ergebnisse.

Wenn Sie in Firebase Prompts in natürlicher Sprache an Gemini senden, übersetzt der Assistent Ihre Eingaben im Hintergrund in einen umfassenderen Prompt.

Wenn Sie Gemini in Firebase oder andere Firebase-KI-Hilfe nicht verwenden und mit KI-Tools von Drittanbietern wie Cursor oder Windsurf arbeiten, können Sie mit ähnlichen ausgearbeiteten Prompts bessere Empfehlungen zu Data Connect erhalten.

Wir haben Promptvorlagen veröffentlicht, die Sie herunterladen, anpassen und in Ihre IDE kopieren können:

Nachdem Sie den Prompt heruntergeladen und geändert haben, erstellen Sie ihn in einem vertrauten Tool wie Cursor oder Windsurf. Gehen Sie dazu so vor:

  • In Cursor (beachten Sie die aktuelle Anleitung von Cursor):

    1. Klicken Sie rechts oben auf das Symbol „Einstellungen“.
    2. Wählen Sie den Tab Regeln aus.
    3. Klicken Sie unter Projektregeln auf die Schaltfläche Neue Regel hinzufügen.
    4. Kopieren Sie die Regel und fügen Sie sie ein.

  • In Windsurf (beachte die aktuelle Anleitung von Windsurf):

    1. Klicken Sie rechts oben auf die Schaltfläche Kaskadieren, um das Fenster „Kaskadieren“ zu öffnen.
    2. Klicken Sie in der Kaskade oben rechts im Schiebereglermenü auf das Symbol Anpassungen und gehen Sie dann zum Bereich Regeln.
    3. Klicken Sie auf die Schaltfläche + Global oder + Workspace, um neue Regeln auf globaler bzw. Workspace-Ebene zu erstellen.
    4. Kopieren Sie die Regel und fügen Sie sie ein.

Fehlerbehebung AI assistance for Data Connect

Weitere Informationen finden Sie unter Fehlerbehebung bei Gemini in Firebase.

Preise

AI assistance for Data Connect ist als Teil von Gemini in Firebase verfügbar, was für Einzelnutzer kostenlos ist.

Weitere Informationen finden Sie unter Preise für Gemini in Firebase.

Nächste Schritte