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

Дополнительную информацию о том, как Gemini в Firebase использует ваши данные, см. в разделе «Как Gemini в Firebase 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:

  1. Откройте Data Connect в своем проекте и в разделе «Сервисы » выберите источник данных.

  2. Нажмите Данные .

  3. Щелкните значок «Помогите мне написать GraphQL pen_spark» .

  4. 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
  }
}

  5. 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» .

  6. 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.

  7. 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 }
}

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.

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 .

  1. В консоли Firebase откройте Data Connect .

  2. Выберите свой сервис и источник данных, затем откройте вкладку «Данные» .

  3. Щелкните значок «Помогите мне написать GraphQL pen_spark» и в появившемся поле введите свой запрос:

    Create a movie based on user input.

  4. 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
  })
}

  5. Просмотрите результат. При необходимости нажмите «Изменить» , чтобы уточнить запрос, и нажмите «Регенерировать» .

  6. Затем нажмите «Вставить» , чтобы вставить мутацию в редактор данных.

  7. 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"]}

  8. Нажмите «Выполнить» .

  9. 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
    }
}

  10. 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 .

  1. В консоли Firebase откройте Data Connect .

  2. Выберите свой сервис и источник данных, затем откройте вкладку «Данные» .

  3. 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.

  4. 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
  }
}

  5. Просмотрите результат. При необходимости нажмите «Изменить» , чтобы уточнить запрос, и нажмите «Регенерировать» .

  6. Затем нажмите «Вставить» , чтобы вставить мутацию в редактор данных.

  7. 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}

  8. Нажмите «Выполнить» .

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 в Firebase , которая включена бесплатно, пока Data Connect находится в предварительной версии или как часть Gemini Code Assist . Дополнительную информацию см. в разделе «Цены на Gemini» в Firebase .

Следующие шаги