از کمک هوش مصنوعی برای پرسش‌ها و جهش‌های Firebase Data Connect استفاده کنید

می‌توانید از Gemini در Firebase در کنسول Firebase استفاده کنید تا به شما در ایجاد پرس‌و‌جوها و جهش‌ها در کد سمت مشتری خود کمک کند. پرس و جو یا جهشی را که می خواهید ایجاد کنید به زبان طبیعی توصیف کنید و Gemini در Firebase معادل GraphQL خود را در اختیار شما قرار می دهد. خروجی را در کنسول Firebase اجرا و آزمایش کنید، سپس پرس و جوها و جهش های نهایی خود را در کد خود کپی کنید.

در طرح‌واره‌ها، پرسش‌ها و جهش‌های Data Connect درباره پرس و جوها و جهش‌ها بیشتر بیاموزید.

چگونه AI assistance for Data Connect in the Firebase console از داده‌های شما استفاده می‌کند

AI assistance for Data Connect in the Firebase console از پیام‌های شما یا پاسخ‌های آن به عنوان داده برای آموزش مدل خود استفاده نمی‌کند. برای اطلاعات بیشتر، ببینید Gemini در Google Cloud چگونه از داده‌های شما استفاده می‌کند .

AI assistance for Data Connect in the Firebase console تنظیم کنید

برای راه‌اندازی کمک هوش مصنوعی در Data Connect ، Gemini را در Firebase همانطور که در Set up Gemini در Firebase توضیح داده شد، فعال کنید، سپس به ایجاد جستارها و جهش‌های GraphQL با Gemini در Firebase ادامه دهید.

پرس و جوها و جهش های GraphQL را با Gemini در Firebase ایجاد کنید

برای استفاده AI assistance for Data Connect in the Firebase console برای تولید GraphQL بر اساس زبان طبیعی:

  1. Data Connect در پروژه خود باز کنید و در قسمت Services ، منبع داده خود را انتخاب کنید.

  2. روی داده کلیک کنید.

  3. روی نماد Help me write GraphQL pen_spark کلیک کنید.

  4. در داخل فیلد نوشتاری که ظاهر می‌شود، پرس و جو یا جهشی را که می‌خواهید به زبان طبیعی ایجاد کنید توضیح دهید و روی Generate کلیک کنید.

    به عنوان مثال، اگر از منبع داده Movies اشاره شده در Firebase Data Connect Quick Start و Build with Data Connect استفاده می‌کنید، می‌توانید بپرسید: « پنج فیلم برتر سال 2022 را به ترتیب نزولی بر اساس رتبه‌بندی برگردانید » که ممکن است برگردد. نتیجه ای مانند زیر:

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

  5. پاسخ را مرور کنید:

    • اگر پاسخ درست به نظر می رسد، روی Insert کلیک کنید تا پاسخ را در ویرایشگر کد وارد کنید.
    • اگر پاسخ را می‌توان اصلاح کرد، روی ویرایش کلیک کنید، درخواست را به‌روزرسانی کنید و روی «بازسازی» کلیک کنید.

  6. پس از اینکه پاسخ را پذیرفتید، در صورت وجود، موارد زیر را در بخش پارامترها تنظیم کنید:

    • متغیرها : اگر پرس و جو یا جهش شما حاوی متغیرهایی است، آنها را در اینجا تعریف کنید. از JSON برای تعریف آنها استفاده کنید، برای مثال، {"title":"The Matrix", "releaseYear":"1999"} .
    • مجوز : زمینه مجوز را انتخاب کنید (مدیر، احراز هویت یا احراز هویت نشده) که با آن پرس و جو یا جهش اجرا شود.

  7. روی Run در ویرایشگر کد کلیک کنید و نتایج را بررسی کنید.

برای آزمایش چند پرس و جو یا جهش در ویرایشگر کد، مطمئن شوید که نام آنها وجود دارد. به عنوان مثال، کوئری زیر GetMovie نام دارد. مکان نما خود را به خط اول پرس و جو یا جهش ببرید تا دکمه Run فعال شود.

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

AI assistance for Data Connect in the Firebase console

بخش‌های زیر نمونه‌ای از موارد استفاده را شرح می‌دهند، از جمله مواردی که می‌توانید از Gemini بخواهید به شما کمک کند تا یک جهش ایجاد کنید تا Data Connect پر کنید و سپس آن را برای تأیید نتایج جستجو کنید.

یک جهش ایجاد کنید که یک فیلم را بر اساس ورودی کاربر به پایگاه داده اضافه می کند

در این بخش، مثالی از استفاده از زبان طبیعی برای تولید GraphQL برای یک جهش می‌بینید که می‌توانید از آن برای پر کردن پایگاه داده خود استفاده کنید. این مثال فرض می‌کند که شما از طرح پایگاه داده فیلم استفاده شده در اسناد Firebase Data Connect و Build with Data Connect Codelab استفاده می‌کنید.

  1. از کنسول Firebase ، Data Connect باز کنید.

  2. سرویس و منبع داده خود را انتخاب کنید، سپس تب Data را باز کنید.

  3. روی نماد Help me write GraphQL pen_spark کلیک کنید و در کادری که ظاهر می‌شود، درخواست خود را تایپ کنید:

    Create a movie based on user input.

  4. روی Generate کلیک کنید. جهش برگردانده شده است. برای مثال، Gemini ممکن است جهشی مانند:

    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. خروجی را مرور کنید. در صورت نیاز، روی Edit کلیک کنید تا درخواست اصلاح شود و روی Regenerate کلیک کنید.

  6. سپس روی Insert کلیک کنید تا جهش در ویرایشگر داده وارد شود.

  7. برای اجرای جهش، باید متغیرهایی را اضافه کنید. از قسمت Parameters ، Variables را باز کنید و چند متغیر تست را در آن قرار دهید:

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

  8. روی Run کلیک کنید.

  9. بعد، یک پرسش ایجاد کنید که تأیید کند فیلم شما اضافه شده است. روی Help me write GraphQL pen_spark کلیک کنید و در کادری که ظاهر می‌شود، دستور خود را تایپ کنید:

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

    Gemini ممکن است پاسخی مانند زیر بدهد:

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

  10. پرس و جو را وارد و اجرا کنید. فیلمی که اضافه کردید باید در قسمت History ظاهر شود.

پرس و جوی ایجاد کنید که نظرات را بر اساس ژانر و رتبه بندی ارائه شده توسط کاربر فهرست کند

در این بخش، نمونه ای از استفاده از زبان طبیعی برای تولید GraphQL برای یک پرس و جو را مشاهده خواهید کرد. این مثال فرض می‌کند که از پایگاه داده فیلم استفاده شده در اسناد Firebase Data Connect و Build with Data Connect Codelab استفاده می‌کنید.

  1. از کنسول Firebase ، Data Connect باز کنید.

  2. سرویس و منبع داده خود را انتخاب کنید، سپس تب Data را باز کنید.

  3. روی نماد Help me write GraphQL pen_spark کلیک کنید و در کادری که ظاهر می‌شود، درخواست خود را تایپ کنید:

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

  4. روی Generate کلیک کنید. پرس و جو برگردانده می شود. به عنوان مثال، Gemini ممکن است درخواستی مانند:

    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. خروجی را مرور کنید. در صورت نیاز، روی Edit کلیک کنید تا درخواست اصلاح شود و روی Regenerate کلیک کنید.

  6. سپس روی Insert کلیک کنید تا جهش در ویرایشگر داده وارد شود.

  7. برای آزمایش این پرس و جو، باید متغیرهایی را اضافه کنید. از قسمت Parameters ، متغیرها را باز کنید و متغیرهایی را برای آزمایش استفاده کنید: 

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

  8. روی Run کلیک کنید.

عیب‌یابی AI assistance for Data Connect in the Firebase console

به عیب یابی Gemini در Firebase مراجعه کنید.

قیمت گذاری

AI assistance for Data Connect in the Firebase console به عنوان بخشی از Gemini در Firebase در دسترس است که در Gemini Code Assist گنجانده شده است. برای اطلاعات بیشتر به قیمت Gemini در Firebase مراجعه کنید.

مراحل بعدی

،

می‌توانید از Gemini در Firebase در کنسول Firebase استفاده کنید تا به شما در ایجاد پرس‌و‌جوها و جهش‌ها در کد سمت مشتری خود کمک کند. پرس و جو یا جهشی را که می خواهید ایجاد کنید به زبان طبیعی توصیف کنید و Gemini در Firebase معادل GraphQL خود را در اختیار شما قرار می دهد. خروجی را در کنسول Firebase اجرا و آزمایش کنید، سپس پرس و جوها و جهش های نهایی خود را در کد خود کپی کنید.

در طرح‌واره‌ها، پرسش‌ها و جهش‌های Data Connect درباره پرس و جوها و جهش‌ها بیشتر بیاموزید.

چگونه AI assistance for Data Connect in the Firebase console از داده‌های شما استفاده می‌کند

AI assistance for Data Connect in the Firebase console از پیام‌های شما یا پاسخ‌های آن به عنوان داده برای آموزش مدل خود استفاده نمی‌کند. برای اطلاعات بیشتر، ببینید Gemini در Google Cloud چگونه از داده‌های شما استفاده می‌کند .

AI assistance for Data Connect in the Firebase console تنظیم کنید

برای راه‌اندازی کمک هوش مصنوعی در Data Connect ، Gemini را در Firebase همانطور که در Set up Gemini در Firebase توضیح داده شد، فعال کنید، سپس به ایجاد جستارها و جهش‌های GraphQL با Gemini در Firebase ادامه دهید.

پرس و جوها و جهش های GraphQL را با Gemini در Firebase ایجاد کنید

برای استفاده AI assistance for Data Connect in the Firebase console برای تولید GraphQL بر اساس زبان طبیعی:

  1. Data Connect در پروژه خود باز کنید و در قسمت Services ، منبع داده خود را انتخاب کنید.

  2. روی داده کلیک کنید.

  3. روی نماد Help me write GraphQL pen_spark کلیک کنید.

  4. در داخل فیلد نوشتاری که ظاهر می‌شود، پرس و جو یا جهشی را که می‌خواهید به زبان طبیعی ایجاد کنید توضیح دهید و روی Generate کلیک کنید.

    به عنوان مثال، اگر از منبع داده Movies اشاره شده در Firebase Data Connect Quick Start و Build with Data Connect استفاده می‌کنید، می‌توانید بپرسید: « پنج فیلم برتر سال 2022 را به ترتیب نزولی بر اساس رتبه‌بندی برگردانید » که ممکن است برگردد. نتیجه ای مانند زیر:

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

  5. پاسخ را مرور کنید:

    • اگر پاسخ درست به نظر می رسد، روی Insert کلیک کنید تا پاسخ را در ویرایشگر کد وارد کنید.
    • اگر پاسخ را می‌توان اصلاح کرد، روی ویرایش کلیک کنید، درخواست را به‌روزرسانی کنید و روی «بازسازی» کلیک کنید.

  6. پس از اینکه پاسخ را پذیرفتید، در صورت وجود، موارد زیر را در بخش پارامترها تنظیم کنید:

    • متغیرها : اگر پرس و جو یا جهش شما حاوی متغیرهایی است، آنها را در اینجا تعریف کنید. از JSON برای تعریف آنها استفاده کنید، برای مثال، {"title":"The Matrix", "releaseYear":"1999"} .
    • مجوز : زمینه مجوز را انتخاب کنید (مدیر، احراز هویت یا احراز هویت نشده) که با آن پرس و جو یا جهش اجرا شود.

  7. روی Run در ویرایشگر کد کلیک کنید و نتایج را بررسی کنید.

برای آزمایش چند پرس و جو یا جهش در ویرایشگر کد، مطمئن شوید که نام آنها وجود دارد. به عنوان مثال، کوئری زیر GetMovie نام دارد. مکان نما خود را به خط اول پرس و جو یا جهش ببرید تا دکمه Run فعال شود.

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

AI assistance for Data Connect in the Firebase console

بخش‌های زیر نمونه‌ای از موارد استفاده را شرح می‌دهند، از جمله مواردی که می‌توانید از Gemini بخواهید به شما کمک کند تا یک جهش ایجاد کنید تا Data Connect پر کنید و سپس آن را برای تأیید نتایج جستجو کنید.

یک جهش ایجاد کنید که یک فیلم را بر اساس ورودی کاربر به پایگاه داده اضافه می کند

در این بخش، مثالی از استفاده از زبان طبیعی برای تولید GraphQL برای یک جهش می‌بینید که می‌توانید از آن برای پر کردن پایگاه داده خود استفاده کنید. این مثال فرض می‌کند که شما از طرح پایگاه داده فیلم استفاده شده در اسناد Firebase Data Connect و Build with Data Connect Codelab استفاده می‌کنید.

  1. از کنسول Firebase ، Data Connect باز کنید.

  2. سرویس و منبع داده خود را انتخاب کنید، سپس تب Data را باز کنید.

  3. روی نماد Help me write GraphQL pen_spark کلیک کنید و در کادری که ظاهر می‌شود، درخواست خود را تایپ کنید:

    Create a movie based on user input.

  4. روی Generate کلیک کنید. جهش برگردانده شده است. برای مثال، Gemini ممکن است جهشی مانند:

    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. خروجی را مرور کنید. در صورت نیاز، روی Edit کلیک کنید تا درخواست اصلاح شود و روی Regenerate کلیک کنید.

  6. سپس روی Insert کلیک کنید تا جهش در ویرایشگر داده وارد شود.

  7. برای اجرای جهش، باید متغیرهایی را اضافه کنید. از قسمت Parameters ، Variables را باز کنید و چند متغیر تست را در آن قرار دهید:

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

  8. روی Run کلیک کنید.

  9. بعد، یک پرسش ایجاد کنید که تأیید کند فیلم شما اضافه شده است. روی Help me write GraphQL pen_spark کلیک کنید و در کادری که ظاهر می‌شود، دستور خود را تایپ کنید:

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

    Gemini ممکن است پاسخی مانند زیر بدهد:

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

  10. پرس و جو را وارد و اجرا کنید. فیلمی که اضافه کردید باید در قسمت History ظاهر شود.

پرس و جوی ایجاد کنید که نظرات را بر اساس ژانر و رتبه بندی ارائه شده توسط کاربر فهرست کند

در این بخش، نمونه ای از استفاده از زبان طبیعی برای تولید GraphQL برای یک پرس و جو را مشاهده خواهید کرد. این مثال فرض می‌کند که از پایگاه داده فیلم استفاده شده در اسناد Firebase Data Connect و Build with Data Connect Codelab استفاده می‌کنید.

  1. از کنسول Firebase ، Data Connect باز کنید.

  2. سرویس و منبع داده خود را انتخاب کنید، سپس تب Data را باز کنید.

  3. روی نماد Help me write GraphQL pen_spark کلیک کنید و در کادری که ظاهر می‌شود، درخواست خود را تایپ کنید:

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

  4. روی Generate کلیک کنید. پرس و جو برگردانده می شود. به عنوان مثال، Gemini ممکن است درخواستی مانند:

    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. خروجی را مرور کنید. در صورت نیاز، روی Edit کلیک کنید تا درخواست اصلاح شود و روی Regenerate کلیک کنید.

  6. سپس روی Insert کلیک کنید تا جهش در ویرایشگر داده وارد شود.

  7. برای آزمایش این پرس و جو، باید متغیرهایی را اضافه کنید. از قسمت Parameters ، متغیرها را باز کنید و متغیرهایی را برای آزمایش استفاده کنید: 

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

  8. روی Run کلیک کنید.

عیب‌یابی AI assistance for Data Connect in the Firebase console

به عیب یابی Gemini در Firebase مراجعه کنید.

قیمت گذاری

AI assistance for Data Connect in the Firebase console به عنوان بخشی از Gemini در Firebase در دسترس است که در Gemini Code Assist گنجانده شده است. برای اطلاعات بیشتر به قیمت Gemini در Firebase مراجعه کنید.

مراحل بعدی