Puoi utilizzare Gemini in Firebase nella console Firebase per aiutarti a creare query e mutazioni da includere nel codice lato client. Descrivi la query o la mutazione che vuoi generare in linguaggio naturale e Gemini in Firebase ti fornirà l'equivalente in GraphQL. Esegui e testa l'output nella console Firebase, quindi copia le query finalizzate e le mutazioni nel codice.
Scopri di più su query e mutazioni in Data Connect schemi, query e mutazioni.
In che modo AI assistance for Data Connect in the Firebase console utilizza i tuoi dati
AI assistance for Data Connect in the Firebase console non utilizza i tuoi prompt o le relative risposte come dati per addestrare il proprio modello. Per ulteriori informazioni, consulta In che modo Gemini in Google Cloud utilizza i tuoi dati.
Configura AI assistance for Data Connect in the Firebase console
Per configurare l'assistenza AI in Data Connect, attiva Gemini in Firebase come descritto in Configurare Gemini in Firebase, poi vai a Genera mutazioni e query GraphQL con Gemini in Firebase.
Genera mutazioni e query GraphQL con Gemini in Firebase
Per utilizzare AI assistance for Data Connect in the Firebase console per generare GraphQL in base al linguaggio naturale:
Apri Data Connect nel tuo progetto e, in Servizi, seleziona l'origine dati.
Fai clic su Dati.
Fai clic sull'icona Aiutami a scrivere GraphQLpen_spark.
Nel campo di testo visualizzato, descrivi la query o la mutazione che vuoi generare in linguaggio naturale e fai clic su Genera.
Ad esempio, se utilizzi l'origine dati Film a cui si fa riferimento nella Firebase Data Connect guida introduttiva e nel codelab Crea con Data Connect, potresti chiedere "Restituire i cinque film più visti del 2022, in ordine decrescente in base alla valutazione", che potrebbe restituire un risultato come il seguente:
query TopMovies2022 { movies(where: {releaseYear: {eq: 2022}}, orderBy: [{rating: DESC}], limit: 5) { id title rating releaseYear } }
Esamina la risposta:
- Se la risposta sembra corretta, fai clic su Inserisci per inserirla nell'editor di codice.
- Se la risposta può essere perfezionata, fai clic su Modifica, aggiorna il prompt e fai clic su Rigenera.
Dopo aver accettato la risposta, imposta quanto segue nella sezione Parametri, se applicabile:
- Variabili: se la query o la mutazione contiene variabili, definiscile qui. Utilizza JSON per definirli, ad esempio
{"title":"The Matrix", "releaseYear":"1999"}
. - Autorizzazione: scegli il contesto di autorizzazione (Amministratore, Autenticato o Non autenticato) con cui eseguire la query o la mutazione.
- Variabili: se la query o la mutazione contiene variabili, definiscile qui. Utilizza JSON per definirli, ad esempio
Fai clic su Esegui nell'editor di codice ed esamina i risultati.
Per testare più query o mutazioni nell'editor di codice, assicurati che siano annotate. Ad esempio, la seguente query è denominata GetMovie
. Sposta il cursore nella prima riga della query o della mutazione per attivare il pulsante Esegui.
query GetMovie($myKey: Movie_Key!) {
movie(key: $myKey) { title }
}
AI assistance for Data Connect in the Firebase console casi d'uso
Le sezioni seguenti descrivono casi d'uso di esempio, tra cui uno in cui puoi chiedere a Gemini di aiutarti a creare una mutazione per compilare Data Connect e poi eseguire una query per verificare i risultati.
- Creare una mutazione che aggiunge un film al database in base all'input dell'utente
- Creare una query che elenchi le recensioni in base al genere e alle valutazioni forniti dagli utenti
Crea una mutazione che aggiunge un film al database in base all'input dell'utente
In questa sezione viene illustrato un esempio di utilizzo del linguaggio naturale per generare GraphQL per una mutazione che puoi utilizzare per compilare il database. Questo esempio presuppone che tu stia utilizzando lo schema del database dei film utilizzato nella documentazione di Firebase Data Connect e in Build with Data Connect codelab.
Dalla console Firebase, apri Data Connect.
Seleziona il servizio e l'origine dati, poi apri la scheda Dati.
Fai clic sull'icona Aiutami a scrivere GraphQLpen_spark e, nella casella visualizzata, digita la query:
Create a movie based on user input.
Fai clic su Genera. La mutazione viene restituita. Ad esempio, Gemini potrebbe restituire una mutazione come:
mutation CreateMovie($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: $tags }) }
Rivedi l'output. Se necessario, fai clic su Modifica per perfezionare il prompt e poi su Rigenera.
Poi, fai clic su Inserisci per inserire la mutazione nell'editor dei dati.
Per eseguire la mutazione, devi aggiungere variabili. Nella sezione Parametri, apri Variabili e includi alcune variabili di test:
{"title":"My amazing movie", "releaseYear":2024, "genre": "Comedy", "rating": 8, "description": "A new movie to test mutations", "imageUrl": "", "tags": ["comedy","space travel"]}
Fai clic su Esegui.
A questo punto, crea una query che verifichi che il film sia stato aggiunto. Fai clic su pen_spark Aiutami a scrivere GraphQL e digita il prompt nella casella visualizzata:
List all movies from 2024 that include all of thse tags: 'space travel', 'comedy'.
Gemini potrebbe restituire una risposta come la seguente:
query ComedySpaceTravelMovies2024 @auth(level: PUBLIC) { movies( where: { releaseYear: { eq: 2024 }, tags: { includesAll: ["space travel", "comedy"] } } ) { id title imageUrl releaseYear genre rating description tags } }
Inserisci ed esegui la query. Il filmato che hai aggiunto dovrebbe essere visualizzato nel campo Cronologia.
Crea una query che elenca le recensioni in base al genere e alle valutazioni forniti dagli utenti
In questa sezione viene illustrato un esempio di utilizzo del linguaggio naturale per generare GraphQL per una query. Questo esempio presuppone che tu stia utilizzando il database di film utilizzato nella documentazione di Firebase Data Connect e in Build con Data Connect codelab.
Dalla console Firebase, apri Data Connect.
Seleziona il servizio e l'origine dati, quindi apri la scheda Dati.
Fai clic sull'icona Aiutami a scrivere GraphQLpen_spark e, nella finestra visualizzata, digita la query:
List all movie reviews, based on user-configurable genre and ratings.
Fai clic su Genera. La query viene restituita. Ad esempio, Gemini potrebbe restituire una query come:
query ListReviewsByGenreAndRating($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 } }
Rivedi l'output. Se necessario, fai clic su Modifica per perfezionare il prompt, quindi su Rigenera.
Quindi, fai clic su Inserisci per inserire la modifica nell'editor dati.
Per testare questa query, devi aggiungere variabili. Nella sezione Parametri, apri Variabili e includi le variabili da utilizzare per i test:
{"genre":"sci-fi", "minRating":4, "maxRating":9}
Fai clic su Esegui.
Risolvi i problemi relativi a AI assistance for Data Connect in the Firebase console
Fai riferimento a Risolvere i problemi relativi a Gemini in Firebase.
Prezzi
AI assistance for Data Connect in the Firebase console è disponibile come parte di Gemini in Firebase, incluso in Gemini Code Assist. Gemini Code Assist è disponibile per la prova senza costi fino all'8 novembre 2024, con un limite di un utente per account di fatturazione. Per saperne di più, consulta i prezzi di Firebase di Gemini.
Passaggi successivi
- Scopri di più su query e mutazioni in Data Connect schemi, query e mutazioni.
- Scopri di più su Gemini in Firebase.