Используйте помощь ИИ для схем, запросов и мутаций Firebase Data Connect

Вы можете использовать Gemini в Firebase для создания схем, запросов и мутаций, которые можно включить в клиентский код.

Опишите приложение и обобщите его модель данных или опишите запрос или мутацию, которые вы хотите сгенерировать, на естественном языке, а Gemini в Firebase предоставит вам его эквивалент на GraphQL.

Такая помощь ИИ доступна во многих контекстах разработки:

  • В консоли Firebase запустите и протестируйте вывод, разверните схему и операции в рабочей среде и синхронизируйте их с локальной средой разработки.
  • Локально, в нашем расширении Data Connect VS Code, проектируйте, запускайте и тестируйте, используя Gemini Code Assist с локальной базой данных PostgreSQL и эмулятором.

Подробнее о запросах и мутациях читайте в разделе Схемы, запросы и мутации Data Connect .

Как AI assistance for Data Connect использует ваши данные

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

Настройка AI assistance for Data Connect

Чтобы настроить помощь ИИ в Data Connect , включите Gemini в Firebase , как описано в разделе Настройка Gemini в Firebase , а затем перейдите к разделу Генерация запросов и мутаций GraphQL с помощью Gemini в Firebase .

Генерация схем, запросов и мутаций GraphQL с помощью Gemini в Firebase

Помощь ИИ для Data Connect доступна во многих контекстах и ​​во многих рабочих процессах.

Создайте новое приложение и его начальную схему и операции в консоли Firebase

Когда вы создаете новый проект Firebase и настраиваетесь на разработку нового приложения, консоль Firebase автоматически предлагает помощь ИИ для генерации схем и операций.

Этот процесс настройки позволяет вам описать приложение, а затем помощь ИИ:

  • Создает полную схему Data Connect
  • Генерирует полезный базовый набор запросов и мутаций, которые затем можно интегрировать с клиентским кодом.

Вы синхронизируете эти ресурсы, созданные в консоли, с локальной средой разработки для продолжения интеграции с вашими клиентами.

Этот рабочий процесс описан в нашем руководстве по началу работы .

Добавьте новые запросы и мутации для запуска в консоли Firebase

Чтобы использовать AI assistance for Data Connect с целью генерации GraphQL на основе естественного языка:

  1. Откройте Data Connect в своем проекте и в разделе Services выберите источник данных.

  2. Нажмите Данные .

  3. Нажмите на значок «Помогите мне написать GraphQL pen_spark» .

  4. В появившемся текстовом поле опишите на естественном языке запрос или мутацию, которую вы хотите сгенерировать, и нажмите «Сгенерировать» .

    Например, если вы используете источник данных «Фильмы», упомянутый в кодовой лаборатории «Создание с помощью Data Connect (веб)» , вы можете попросить « Вернуть пять лучших фильмов 2022 года в порядке убывания рейтинга », что может вернуть следующий результат:

    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 улучшить, нажмите «Изменить» , обновите запрос и нажмите «Создать заново» .

  6. После того, как вы примете 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 которым следует выполнить запрос или мутацию.

  7. Нажмите кнопку «Выполнить» в редакторе кода и просмотрите результаты.

Чтобы протестировать несколько запросов или мутаций в редакторе кода, убедитесь, что они названы. Например, следующий запрос называется GetMovie . Переместите курсор в первую строку запроса или мутации, чтобы активировать кнопку Run .

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

Создание начальной схемы и операций во время локального прототипирования

Помощь с использованием искусственного интеллекта доступна в Gemini Code Assist для локальной работы по прототипированию при использовании Visual Studio Code и нашего расширения Data Connect VS Code.

Расширение позволяет вам описать приложение, а затем Gemini Code Assist :

  • Создает полную схему Data Connect
  • Генерирует полезный базовый набор запросов и мутаций, которые затем можно интегрировать с клиентским кодом.

Этот рабочий процесс описан в нашем руководстве по началу работы с локальным прототипированием .

Больше AI assistance for Data Connect

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

Создать мутацию, которая добавляет фильм в базу данных на основе пользовательского ввода.

В этом разделе вы рассмотрите пример использования естественного языка для генерации GraphQL для мутации, которую вы можете использовать для заполнения вашей базы данных. В этом примере предполагается, что вы используете схему базы данных фильмов, используемую в документации Firebase Data Connect и кодовой лаборатории "Build with Data Connect (web)" .

  1. В консоли Firebase откройте Data Connect .

  2. Выберите свою службу и источник данных, затем откройте вкладку «Данные» .

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

    Create a movie based on user input.

  4. Нажмите Generate . Мутация возвращается. Например, Gemini может вернуть мутацию типа:

    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 вывод. 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. Далее создайте запрос, который проверяет, что ваш фильм был добавлен. Нажмите Help me write GraphQL pen_spark и в появившемся поле введите запрос:

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

    Близнецы могут дать 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, который выводит список обзоров на основе жанра и оценок, предоставленных пользователем.

В этом разделе вы рассмотрите пример использования естественного языка для генерации GraphQL для запроса. В этом примере предполагается, что вы используете базу данных фильмов, используемую в документации Firebase Data Connect и кодовой лаборатории "Build with Data Connect (web)" .

  1. В консоли Firebase откройте Data Connect .

  2. Выберите свою службу и источник данных, затем откройте вкладку «Данные» .

  3. Нажмите на 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 Generate . Запрос возвращается. Например, Gemini может вернуть запрос типа:

    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 вывод. 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 нужно будет добавить переменные. В разделе Параметры откройте Переменные и включите переменные для использования при тестировании: 

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

  8. Нажмите «Выполнить» .

Устранение неполадок AI assistance for Data Connect

См. раздел Устранение неполадок Gemini в Firebase .

Ценообразование

AI assistance for Data Connect доступна как часть Gemini в Firebase , которая включена для отдельных пользователей.

Более подробную информацию см. в разделе «Цены Gemini в Firebase .

Следующие шаги