ใช้ความช่วยเหลือจาก AI สําหรับสคีมา การค้นหา และการดัดแปลงของ Firebase Data Connect

คุณสามารถใช้ Gemini ใน Firebase เพื่อช่วยสร้างสคีมา การค้นหา และการเปลี่ยนรูปแบบเพื่อรวมไว้ในโค้ดฝั่งไคลเอ็นต์

อธิบายแอปและสรุปโมเดลข้อมูล หรืออธิบายการค้นหาหรือการดัดแปลงข้อมูลที่ต้องการสร้างเป็นภาษาที่เป็นธรรมชาติ แล้ว Gemini ใน Firebase จะแสดง GraphQL ที่เทียบเท่า

ความช่วยเหลือจาก AI นี้พร้อมให้บริการในบริบทการพัฒนาหลายบริบท ดังนี้

  • ในคอนโซล Firebase ให้เรียกใช้และทดสอบเอาต์พุต ติดตั้งใช้งานสคีมาและการดำเนินการในเวอร์ชันที่ใช้งานจริง และซิงค์กับสภาพแวดล้อมการพัฒนาในเครื่อง
  • ออกแบบ เรียกใช้ และทดสอบโดยใช้ Gemini Code Assist กับฐานข้อมูล PostgreSQL และโปรแกรมจำลองในเครื่องในส่วนขยาย Data Connect ของ VS Code

ดูข้อมูลเพิ่มเติมเกี่ยวกับการค้นหาและการดัดแปลงได้ที่Data Connect สคีมา การค้นหา และการดัดแปลง

วิธีที่ AI assistance for Data Connect ใช้ข้อมูลของคุณ

ดูข้อมูลเพิ่มเติมเกี่ยวกับวิธีที่ Gemini ใน Firebase ใช้ข้อมูลของคุณได้ที่วิธีที่ Gemini ใน Firebase ใช้ข้อมูลของคุณ

ตั้งค่า AI assistance for Data Connect

หากต้องการตั้งค่าความช่วยเหลือจาก AI ใน Data Connect ให้เปิดใช้ Gemini ใน Firebase ตามที่อธิบายไว้ในตั้งค่า Gemini ใน Firebase จากนั้นดำเนินการต่อเพื่อสร้างการค้นหาและการเปลี่ยนรูปแบบ GraphQL ด้วย Gemini ใน Firebase

สร้างสคีมา การค้นหา และการดัดแปลง GraphQL ด้วย Gemini ใน Firebase

ความช่วยเหลือจาก AI สำหรับ Data Connect มีให้บริการในบริบทและเวิร์กโฟลว์ต่างๆ มากมาย

สร้างแอปใหม่ สคีมา และการดำเนินการเริ่มต้นในแอปในคอนโซล Firebase

เมื่อคุณสร้างโปรเจ็กต์ Firebase ใหม่และตั้งค่าเพื่อพัฒนาแอปใหม่ Firebaseคอนโซลจะให้ความช่วยเหลือจาก AI ในการสร้างสคีมาและการดำเนินการโดยอัตโนมัติ

ขั้นตอนการตั้งค่านี้ช่วยให้คุณอธิบายแอปและความช่วยเหลือจาก AI ได้ ดังนี้

  • สร้างสคีมา Data Connect ที่สมบูรณ์
  • สร้างชุดการค้นหาและการเปลี่ยนรูปแบบหลักที่มีประโยชน์ ซึ่งคุณสามารถผสานรวมกับโค้ดไคลเอ็นต์ได้

คุณสามารถซิงค์ทรัพยากรเหล่านี้ที่สร้างในคอนโซลกับสภาพแวดล้อมการพัฒนาซอฟต์แวร์ในเครื่องเพื่อผสานรวมกับลูกค้าต่อไป

เวิร์กโฟลว์นี้อธิบายอยู่ในคู่มือเริ่มต้นใช้งาน

เพิ่มการค้นหาและการกลายพันธุ์ใหม่เพื่อเรียกใช้ในคอนโซล Firebase

วิธีใช้ AI assistance for Data Connect เพื่อสร้าง GraphQL ตามภาษาธรรมชาติ

  1. เปิด Data Connect ในโปรเจ็กต์ แล้วเลือกแหล่งข้อมูลในส่วนบริการ

  2. คลิกข้อมูล

  3. คลิกไอคอนช่วยฉันเขียน GraphQLpen_spark

  4. ในช่องข้อความที่ปรากฏขึ้น ให้อธิบายการค้นหาหรือการกลายพันธุ์ที่ต้องการสร้างเป็นภาษาพูดง่ายๆ แล้วคลิกสร้าง

    ตัวอย่างเช่น หากคุณใช้แหล่งข้อมูลภาพยนตร์ที่อ้างอิงในโค้ดแล็บ "สร้างด้วย Data Connect (เว็บ)" คุณอาจถามได้ว่า "แสดงภาพยนตร์ยอดนิยม 5 อันดับแรกของปี 2022 ตามลําดับจากมากไปน้อยตามคะแนน" ซึ่งอาจแสดงผลลัพธ์ดังต่อไปนี้

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

  5. ตรวจสอบคำตอบ

    • หากคำตอบดูถูกต้อง ให้คลิกแทรกเพื่อแทรกคำตอบลงในเครื่องมือแก้ไขโค้ด
    • หากปรับแต่งคำตอบได้ ให้คลิกแก้ไข อัปเดตพรอมต์ แล้วคลิกสร้างใหม่

  6. หลังจากยอมรับคำตอบแล้ว ให้ตั้งค่าต่อไปนี้ในส่วนพารามิเตอร์ (หากมี)

    • ตัวแปร: หากการค้นหาหรือการกลายพันธุ์มีตัวแปร ให้กําหนดตัวแปรที่นี่ ใช้ JSON เพื่อกำหนด เช่น {"title":"The Matrix", "releaseYear":"1999"}
    • การให้สิทธิ์: เลือกบริบทการให้สิทธิ์ (ผู้ดูแลระบบ ตรวจสอบสิทธิ์แล้ว หรือไม่ได้ตรวจสอบสิทธิ์) เพื่อเรียกใช้การค้นหาหรือการดัดแปลง

  7. คลิกเรียกใช้ในเครื่องมือแก้ไขโค้ดและตรวจสอบผลลัพธ์

หากต้องการทดสอบการค้นหาหรือการกลายพันธุ์หลายรายการในเครื่องมือแก้ไขโค้ด ให้ตรวจสอบว่าได้ตั้งชื่อแล้ว เช่น คําค้นหาต่อไปนี้มีชื่อว่า GetMovie ย้ายเคอร์เซอร์ไปยังบรรทัดแรกของการค้นหาหรือการกลายพันธุ์เพื่อเปิดใช้งานปุ่มเรียกใช้

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

สร้างสคีมาและการดำเนินการเริ่มต้นระหว่างการสร้างต้นแบบในเครื่อง

Gemini Code Assist มีความช่วยเหลือจาก AI สำหรับการสร้างต้นแบบในเครื่องเมื่อคุณใช้ Visual Studio Code และส่วนขยาย Data Connect ใน VS Code

ส่วนขยายนี้ช่วยให้คุณอธิบายแอปและดำเนินการต่อไปนี้ได้Gemini Code Assist

  • สร้างสคีมา Data Connect ที่สมบูรณ์
  • สร้างชุดการค้นหาและการเปลี่ยนรูปแบบหลักที่มีประโยชน์ ซึ่งคุณสามารถผสานรวมกับโค้ดไคลเอ็นต์ได้

เวิร์กโฟลว์นี้อธิบายไว้ในคู่มือเริ่มต้นใช้งานการสร้างต้นแบบในเครื่อง

กรณีการใช้งาน AI assistance for Data Connect เพิ่มเติม

ส่วนต่อไปนี้จะอธิบายตัวอย่าง Use Case ซึ่งรวมถึงกรณีที่คุณสามารถขอให้ Gemini ช่วยสร้างการกลายพันธุ์เพื่อป้อนข้อมูลData Connect แล้วค้นหาเพื่อยืนยันผลลัพธ์

สร้างการดัดแปลงที่เพิ่มภาพยนตร์ลงในฐานข้อมูลตามข้อมูลที่ผู้ใช้ป้อน

ในส่วนนี้ คุณจะได้ดูตัวอย่างการใช้ภาษาที่เป็นธรรมชาติเพื่อสร้าง GraphQL สําหรับการดัดแปลงที่คุณสามารถใช้เพื่อป้อนข้อมูลในฐานข้อมูล ตัวอย่างนี้ถือว่าคุณใช้สคีมาฐานข้อมูลภาพยนตร์ที่ใช้ในเอกสารประกอบของ Firebase Data Connect และ Codelab "สร้างด้วย Data Connect (เว็บ)"

  1. จากคอนโซล Firebase ให้เปิด Data Connect

  2. เลือกบริการและแหล่งข้อมูล แล้วเปิดแท็บข้อมูล

  3. คลิกไอคอนช่วยฉันเขียน GraphQLpen_spark แล้วพิมพ์ข้อความค้นหาในช่องที่ปรากฏขึ้น

    Create a movie based on user input.

  4. คลิกสร้าง ระบบจะแสดงการกลายพันธุ์ ตัวอย่างเช่น Gemini อาจแสดงการกลายพันธุ์ เช่น

    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. ตรวจสอบเอาต์พุต หากจำเป็น ให้คลิกแก้ไขเพื่อปรับแต่งพรอมต์ แล้วคลิกสร้างใหม่

  6. จากนั้นคลิกแทรกเพื่อแทรกการกลายพันธุ์ลงในเครื่องมือแก้ไขข้อมูล

  7. หากต้องการเรียกใช้การกลายพันธุ์ คุณจะต้องเพิ่มตัวแปร จากส่วนพารามิเตอร์ ให้เปิดตัวแปรและใส่ตัวแปรทดสอบบางส่วน ดังนี้

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

  8. คลิกเรียกใช้

  9. ถัดไป ให้สร้างการค้นหาที่ยืนยันว่ามีการเพิ่มภาพยนตร์แล้ว คลิกช่วยฉันเขียน GraphQL pen_spark แล้วพิมพ์พรอมต์ในช่องที่ปรากฏขึ้น

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

    Gemini อาจแสดงคำตอบดังต่อไปนี้

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

  10. แทรกและเรียกใช้การค้นหา ภาพยนตร์ที่คุณเพิ่มควรปรากฏในช่องประวัติ

สร้างการค้นหาที่แสดงรีวิวตามประเภทและคะแนนที่ผู้ใช้ระบุ

ในส่วนนี้ คุณจะได้ดูตัวอย่างการใช้ภาษาที่เป็นธรรมชาติเพื่อสร้าง GraphQL สําหรับการค้นหา ตัวอย่างนี้สมมติว่าคุณใช้ฐานข้อมูลภาพยนตร์ที่ใช้ในเอกสารประกอบของ Firebase Data Connect และโค้ดแล็บ "สร้างด้วย Data Connect (เว็บ)"

  1. จากคอนโซล Firebase ให้เปิด Data Connect

  2. เลือกบริการและแหล่งข้อมูล แล้วเปิดแท็บข้อมูล

  3. คลิกไอคอนช่วยฉันเขียน GraphQLpen_spark แล้วพิมพ์ข้อความค้นหาในช่องที่ปรากฏขึ้น

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

  4. คลิกสร้าง ระบบจะแสดงผลลัพธ์การค้นหา เช่น Gemini อาจแสดงผลลัพธ์การค้นหาดังนี้

    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. ตรวจสอบเอาต์พุต หากจำเป็น ให้คลิกแก้ไขเพื่อปรับแต่งพรอมต์ แล้วคลิกสร้างใหม่

  6. จากนั้นคลิกแทรกเพื่อแทรกการกลายพันธุ์ลงในเครื่องมือแก้ไขข้อมูล

  7. หากต้องการทดสอบการค้นหานี้ คุณจะต้องเพิ่มตัวแปร จากส่วนพารามิเตอร์ ให้เปิดตัวแปรและใส่ตัวแปรที่จะใช้ทดสอบ

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

  8. คลิกเรียกใช้

แก้ปัญหา AI assistance for Data Connect

โปรดดูแก้ปัญหา Gemini ใน Firebase

ราคา

AI assistance for Data Connect มีให้บริการเป็นส่วนหนึ่งของ Gemini ใน Firebase ซึ่งรวมอยู่ในแพ็กเกจสำหรับผู้ใช้แต่ละราย

ดูข้อมูลเพิ่มเติมได้ที่ราคาของ Gemini ใน Firebase

ขั้นตอนถัดไป