Korzystanie z pomocy AI w przypadku zapytań i mutacji Firebase Data Connect

Możesz używać Gemini w konsoli Firebase w Firebase, aby tworzyć zapytania i mutacje do uwzględnienia w kodzie po stronie klienta. Opisz zapytanie lub mutację, które chcesz wygenerować w języku naturalnym, a Gemini w Firebase poda Ci ich odpowiednik w GraphQL. Uruchom i sprawdź dane wyjściowe w konsoli Firebase, a potem skopiuj do kodu sfinalizowane zapytania i mutacje.

Więcej informacji o zapytaniach i mutacjach znajdziesz w artykule Data Connect Schematy, zapytania i mutacje.

Jak AI assistance for Data Connect in the Firebase console wykorzystuje Twoje dane

Więcej informacji o tym, jak Gemini w Firebase korzysta z Twoich danych, znajdziesz w artykule Jak Gemini w Firebase korzysta z Twoich danych.

Skonfiguruj usługę AI assistance for Data Connect in the Firebase console

Aby skonfigurować pomoc AI w Data Connect, włącz Gemini w Firebase zgodnie z opisem w konfiguracji Gemini w Firebase, a następnie przejdź do generowania zapytań i mutacji GraphQL za pomocą Gemini w Firebase.

Generowanie zapytań i mutacji GraphQL za pomocą Gemini w Firebase

Aby użyć AI assistance for Data Connect in the Firebase console do generowania zapytań GraphQL na podstawie języka naturalnego:

  1. W projekcie otwórz panel Data Connect i w sekcji Usługi wybierz źródło danych.

  2. Kliknij Dane.

  3. Kliknij ikonę Pomóż mi napisać GraphQLpen_spark.

  4. W wyświetlonym polu tekstowym opisz zapytanie lub mutację, które chcesz wygenerować w języku naturalnym, i kliknij Wygeneruj.

    Jeśli na przykład używasz źródła danych Filmy, do którego odwołuje się Firebase Data Connectmoduł wprowadzający i moduł tworzenia kodu Data Connect, możesz zapytać: „Zwróć 5 najpopularniejszych filmów z 2022 roku w kolejności malejącej według oceny”. Może to zwrócić taki wynik:

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

  5. Sprawdź odpowiedź:

    • Jeśli odpowiedź wygląda prawidłowo, kliknij Wstaw, aby wstawić ją do edytora kodu.
    • Jeśli odpowiedź wymaga dopracowania, kliknij Edytuj, zaktualizuj prompt i kliknij Wygeneruj ponownie.

  6. Po zaakceptowaniu odpowiedzi w sekcji Parametry ustaw te opcje (w odpowiednich przypadkach):

    • Zmienna: jeśli zapytanie lub mutacja zawiera zmienne, zdefiniuj je tutaj. Definiuj je za pomocą kodu JSON, np. {"title":"The Matrix", "releaseYear":"1999"}.
    • Autoryzacja: wybierz kontekst autoryzacji (Administrator, Zalogowany lub Niezalogowany), w którym chcesz wykonać zapytanie lub mutację.

  7. W edytorze kodu kliknij Uruchom i sprawdź wyniki.

Aby przetestować wiele zapytań lub mutacji w edytorze kodu, upewnij się, że są one nazwane. Na przykład zapytanie o nazwie GetMovie. Aby aktywować przycisk Uruchom, umieść kursor na pierwszym wierszu zapytania lub w mutacji.

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

AI assistance for Data Connect in the Firebase console przypadki użycia

W kolejnych sekcjach opisano przykładowe przypadki użycia, w tym taki, w którym możesz poprosić Gemini o pomoc w tworzeniu mutacji do wypełniania tabeli Data Connect, a potem o wysyłanie zapytań do niej w celu weryfikacji wyników.

Tworzenie zapytania, które dodaje film do bazy danych na podstawie danych wejściowych użytkownika

W tej sekcji zobaczysz przykład użycia języka naturalnego do wygenerowania zapytania GraphQL dla mutacji, której możesz użyć do wypełniania bazy danych. W tym przykładzie zakładamy, że używasz schematu bazy danych filmów, który jest używany w dokumentacji Firebase Data Connect i w praktycznym kursie Build with Data Connect codelab.

  1. W konsoli Firebase otwórz Data Connect.

  2. Wybierz usługę i źródło danych, a potem otwórz kartę Dane.

  3. Kliknij ikonę Pomóż mi napisać zapytanie GraphQLpen_spark i w wyświetlonym polu wpisz zapytanie:

    Create a movie based on user input.

  4. Kliknij Wygeneruj. Zwracana jest mutacja. Na przykład Gemini może zwrócić mutację w postaci:

    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. Sprawdź dane wyjściowe. W razie potrzeby kliknij Edytuj, aby dostosować prompt, a potem kliknij Wygeneruj ponownie.

  6. Następnie kliknij Wstaw, aby wstawić mutację do edytora danych.

  7. Aby wykonać mutację, musisz dodać zmienne. W sekcji Parametry otwórz Zmienna i dodaj kilka zmiennych testowych:

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

  8. Kliknij Wykonaj.

  9. Następnie utwórz zapytanie, które potwierdzi, że film został dodany. Kliknij Pomóż mi napisać zapytanie GraphQL pen_spark i w wyświetlonym polu wpisz prompt:

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

    Gemini może zwrócić taką odpowiedź:

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

  10. Wstaw i uruchom zapytanie. Dodany film powinien pojawić się w polu Historia.

Utwórz zapytanie, które wyświetla opinie na podstawie podanych przez użytkownika gatunków i oceny.

W tej sekcji zobaczysz przykład wykorzystania języka naturalnego do generowania zapytania GraphQL. W tym przykładzie zakładamy, że używasz bazy danych filmów, której używaliśmy w dokumentacji Firebase Data Connect i w tym codelab z Data Connect.

  1. W konsoli Firebase otwórz Data Connect.

  2. Wybierz usługę i źródło danych, a potem otwórz kartę Dane.

  3. Kliknij ikonę Pomóż mi napisać zapytanie GraphQLpen_spark i w wyświetlonym polu wpisz zapytanie:

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

  4. Kliknij Wygeneruj. Zapytanie jest zwracane. Na przykład Gemini może zwrócić zapytanie:

    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. Sprawdź dane wyjściowe. W razie potrzeby kliknij Edytuj, aby dostosować prompt, a potem kliknij Wygeneruj ponownie.

  6. Następnie kliknij Wstaw, aby wstawić mutację do edytora danych.

  7. Aby przetestować to zapytanie, musisz dodać zmienne. W sekcji Parametry otwórz Zmienne i uwzględnij zmienne, których chcesz używać do testowania:

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

  8. Kliknij Wykonaj.

Rozwiązywanie problemów AI assistance for Data Connect in the Firebase console

Zapoznaj się z artykułem Rozwiązywanie problemów z Gemini w Firebase.

Ceny

AI assistance for Data Connect in the Firebase console jest dostępny w ramach Gemini w Firebase, który jest bezpłatny dla poszczególnych użytkowników, dopóki Data Connect jest w wersji testowej, lub w ramach subskrypcji Gemini Code Assist.

Jeśli korzystasz z Google Workspace, możesz wypróbować Gemini w Firebase bezpłatnie do 27 stycznia 2025 r. Po tej dacie, aby nadal korzystać z Gemini w Firebase, administrator Google Workspace musi kupić Gemini Code Assisti przypisać licencje użytkownikom.

Więcej informacji znajdziesz w cenniku Gemini w Firebase.

Dalsze kroki