查看 2022 年 Google I/O 大会上介绍的 Firebase 新动态。了解详情

Эта страница переведена с помощью Cloud Translation API.

Используйте помощь искусственного интеллекта для запросов и мутаций Firebase Data Connect.

Вы можете использовать Gemini в Firebase в консоли Firebase , чтобы создавать запросы и мутации для включения в клиентский код. Опишите запрос или мутацию, которую вы хотите сгенерировать, на естественном языке, и Gemini в Firebase предоставит вам его эквивалент GraphQL. Запустите и протестируйте выходные данные в консоли Firebase , затем скопируйте завершенные запросы и мутации в свой код.

Узнайте больше о запросах и мутациях в разделе «Схемы, запросы и мутации Data Connect .

Как AI assistance for Data Connect in the Firebase console использует ваши данные

AI assistance for Data Connect in the Firebase console не использует ваши запросы или ответы в качестве данных для обучения своей модели. Дополнительную информацию см. в разделе «Как Gemini в Google Cloud использует ваши данные» .

Настройте AI assistance for Data Connect in the Firebase console

Чтобы настроить поддержку искусственного интеллекта в Data Connect , включите Gemini в Firebase , как описано в разделе «Настройка Gemini в Firebase , затем перейдите к разделу «Создание запросов и мутаций GraphQL с помощью Gemini в Firebase .

Генерируйте запросы и мутации GraphQL с помощью Gemini в Firebase

Чтобы использовать AI assistance for Data Connect in the Firebase console для создания GraphQL на основе естественного языка:

Откройте Data Connect в своем проекте и в разделе «Сервисы » выберите источник данных.
Нажмите Данные .
Щелкните значок «Помогите мне написать GraphQL pen_spark» .
В появившемся текстовом поле опишите запрос или мутацию, которую вы хотите сгенерировать, на естественном языке и нажмите «Создать» .
Например, если вы используете источник данных Movies, указанный в кратком руководстве Firebase Data Connect и кодовой лаборатории Build with Data Connect , вы можете спросить: « Верните пять лучших фильмов 2022 года в порядке убывания рейтинга », что может вернуть результат, подобный следующему:
```
query TopMovies2022 {
  movies(where: {releaseYear: {eq: 2022}}, orderBy: [{rating: DESC}], limit: 5) {
    id
    title
    rating
    releaseYear
  }
}
```
Просмотрите ответ:
- Если ответ выглядит правильно, нажмите «Вставить» , чтобы вставить ответ в редактор кода.
- Если ответ можно уточнить, нажмите «Изменить» , обновите приглашение и нажмите «Повторно создать» .
После того, как вы приняли ответ, установите следующие параметры в разделе «Параметры» , если применимо:
- Переменные : если ваш запрос или мутация содержит переменные, определите их здесь. Используйте JSON для их определения, например {"title":"The Matrix", "releaseYear":"1999"} .
- Авторизация : выберите контекст авторизации («Администратор», «Аутентифицированный» или «Неаутентифицированный»), с помощью которого будет выполняться запрос или мутация.
Предупреждение. Если вы используете мутацию , внимательно просмотрите ее перед запуском. Запуск мутации в редакторе данных выполнит запрос.
Нажмите «Выполнить» в редакторе кода и просмотрите результаты.

Чтобы протестировать несколько запросов или мутаций в редакторе кода, убедитесь, что им присвоены имена. Например, следующий запрос называется GetMovie . Переместите курсор в первую строку запроса или мутации, чтобы активировать кнопку «Выполнить» .

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

Важно: AI assistance for Data Connect in the Firebase console — это технология на ранней стадии, которая может генерировать выходные данные, которые кажутся правдоподобными, но на самом деле неверны. Он может ответить неточной информацией, которая не отражает точку зрения Google. Проверяйте все выходные данные Gemini перед их использованием и не используйте в рабочей среде непроверенный сгенерированный код. Не вводите личную информацию (PII) или данные пользователя в приглашение «Помоги мне написать GraphQL» . Дополнительную информацию см. в статье «Как AI assistance for Data Connect in the Firebase console использует ваши данные , а также Gemini в Google Cloud и ответственный ИИ» .

AI assistance for Data Connect in the Firebase console

В следующих разделах описаны примеры вариантов использования, в том числе тот, в котором вы можете попросить Gemini помочь вам создать мутацию для заполнения Data Connect , а затем запросить ее для проверки результатов.

Создайте мутацию, которая добавляет фильм в базу данных на основе ввода пользователя.
Создайте запрос, в котором будут перечислены обзоры на основе предоставленных пользователем жанров и оценок.

Создайте мутацию, которая добавляет фильм в базу данных на основе ввода пользователя.

В этом разделе вы рассмотрим пример использования естественного языка для создания GraphQL для мутации, которую вы можете использовать для заполнения своей базы данных. В этом примере предполагается, что вы используете схему базы данных фильмов, использованную в документации Firebase Data Connect и кодовой лаборатории Build with Data Connect .

В консоли Firebase откройте Data Connect .
Выберите свой сервис и источник данных, затем откройте вкладку «Данные» .
Щелкните значок «Помогите мне написать GraphQL pen_spark» и в появившемся поле введите свой запрос:
```
Create a movie based on user input.
```

Нажмите «Создать» . Мутация возвращается. Например, Gemini может вернуть такую мутацию:

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
  })
}

Просмотрите результат. При необходимости нажмите «Изменить» , чтобы уточнить запрос, и нажмите «Регенерировать» .
Затем нажмите «Вставить» , чтобы вставить мутацию в редактор данных.
Чтобы выполнить мутацию, вам нужно будет добавить переменные. В разделе «Параметры » откройте «Переменные» и включите несколько тестовых переменных:
```
{"title":"My amazing movie", "releaseYear":2024, "genre": "Comedy",
"rating": 8, "description": "A new movie to test mutations",
"imageUrl": "", "tags": ["comedy","space travel"]}
```
Нажмите «Выполнить» .
Совет: вы также можете попросить Gemini расширить результаты более полезными способами. Например, чтобы включить комментарии и подсказку об источнике в выходные данные, вы можете использовать «Создать фильм на основе пользовательского ввода. Обязательно задокументируйте мутацию и включите это подсказку в свой ответ», чтобы включить комментарии и подсказку об источнике в Gemini в Вывод Firebase .

Затем создайте запрос, который проверяет, что ваш фильм был добавлен. Нажмите « Помогите мне написать GraphQL pen_spark» и в появившемся поле введите приглашение:

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

Gemini могут вернуть ответ, подобный следующему:

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

Вставьте и запустите запрос. Добавленный вами фильм должен появиться в поле «История» .

Создайте запрос, в котором будут перечислены обзоры на основе предоставленных пользователем жанров и оценок.

В этом разделе вы рассмотрим пример использования естественного языка для создания GraphQL для запроса. В этом примере предполагается, что вы используете базу данных фильмов, указанную в документации Firebase Data Connect и кодовой лаборатории Build with Data Connect .

В консоли Firebase откройте Data Connect .
Выберите свой сервис и источник данных, затем откройте вкладку «Данные» .
Щелкните значок «Помогите мне написать GraphQL pen_spark» и в появившемся поле введите свой запрос:
```
List all movie reviews, based on user-configurable genre and ratings.
```

Нажмите «Создать» . Запрос возвращается. Например, Gemini может вернуть такой запрос:

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
  }
}

Просмотрите результат. При необходимости нажмите «Изменить» , чтобы уточнить запрос, и нажмите «Регенерировать» .
Затем нажмите «Вставить» , чтобы вставить мутацию в редактор данных.
Чтобы протестировать этот запрос, вам потребуется добавить переменные. В разделе «Параметры » откройте «Переменные» и включите переменные, которые будут использоваться для тестирования:
```
{"genre":"sci-fi", "minRating":4, "maxRating":9}
```
Нажмите «Выполнить» .

Совет: вы также можете попросить Gemini расширить результаты более полезными способами. Например, чтобы включить комментарии и подсказку об источнике в выходные данные, вы можете использовать «Перечислить все рецензии на фильмы на основе настраиваемых пользователем жанров и рейтингов. Обязательно задокументируйте запрос и включите это подсказку в свой ответ». чтобы включить комментарии и подсказку об источнике в выходные данные Gemini .

Устранение неполадок AI assistance for Data Connect in the Firebase console

См. раздел «Устранение неполадок Gemini в Firebase .

Цены

AI assistance for Data Connect in the Firebase console доступна как часть Gemini in Firebase , которая включена в Gemini Code Assist . Дополнительную информацию см. в разделе «Цены на Gemini» в Firebase .

Следующие шаги

Узнайте больше о запросах и мутациях в разделе «Схемы, запросы и мутации Data Connect .
Узнайте больше о Gemini в Firebase .