Sử dụng sự hỗ trợ của AI cho các truy vấn và đột biến của Kết nối dữ liệu Firebase

Bạn có thể sử dụng Gemini trong Firebase trong bảng điều khiển Firebase để giúp bạn tạo truy vấn và đột biến để đưa vào mã phía máy khách. Mô tả truy vấn hoặc đột biến mà bạn muốn tạo bằng ngôn ngữ tự nhiên và Gemini trong Firebase sẽ cung cấp cho bạn nội dung tương đương bằng GraphQL. Chạy và kiểm thử kết quả trong bảng điều khiển Firebase, sau đó sao chép các truy vấn và đột biến đã hoàn tất vào mã của bạn.

Tìm hiểu thêm về truy vấn và đột biến tại các giản đồ, truy vấn và đột biến Data Connect.

Cách AI assistance for Data Connect in the Firebase console sử dụng dữ liệu của bạn

AI assistance for Data Connect in the Firebase console không sử dụng câu lệnh hoặc câu trả lời của bạn làm dữ liệu để huấn luyện mô hình. Để biết thêm thông tin, hãy xem bài viết Cách Gemini trong Google Cloud sử dụng dữ liệu của bạn.

Thiết lập AI assistance for Data Connect in the Firebase console

Để thiết lập tính năng hỗ trợ AI trong Data Connect, hãy bật Gemini trong Firebase như mô tả trong phần Thiết lập Gemini trong Firebase, sau đó chuyển sang phần Tạo truy vấn và đột biến GraphQL bằng Gemini trong Firebase.

Tạo truy vấn và đột biến trong GraphQL bằng Gemini trong Firebase

Cách sử dụng AI assistance for Data Connect in the Firebase console để tạo GraphQL dựa trên ngôn ngữ tự nhiên:

  1. Mở Data Connect trong dự án của bạn, rồi chọn nguồn dữ liệu trong mục Dịch vụ.

  2. Nhấp vào Dữ liệu.

  3. Nhấp vào biểu tượng Giúp tôi viết GraphQLpen_spark.

  4. Bên trong trường văn bản xuất hiện, hãy mô tả truy vấn hoặc đột biến mà bạn muốn tạo bằng ngôn ngữ tự nhiên rồi nhấp vào Generate (Tạo).

    Ví dụ: nếu đang sử dụng nguồn dữ liệu Phim được tham chiếu trong hướng dẫn nhanh về Firebase Data Connect và Lớp học lập trình về cách tạo bằng Data Connect, bạn có thể yêu cầu "Trả về 5 phim hàng đầu năm 2022, theo thứ tự giảm dần theo điểm xếp hạng". Thao tác này có thể trả về kết quả như sau:

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

  5. Xem lại phản hồi:

    • Nếu phản hồi có vẻ chính xác, hãy nhấp vào Chèn để chèn phản hồi vào trình soạn thảo mã.
    • Nếu bạn có thể tinh chỉnh câu trả lời, hãy nhấp vào Chỉnh sửa, cập nhật câu lệnh rồi nhấp vào Tạo lại.

  6. Sau khi chấp nhận phản hồi, hãy thiết lập các thông tin sau trong phần Parameters (Thông số) (nếu có):

    • Biến: Nếu truy vấn hoặc đột biến của bạn chứa biến, hãy xác định các biến đó tại đây. Hãy sử dụng JSON để xác định chúng, ví dụ: {"title":"The Matrix", "releaseYear":"1999"}.
    • Uỷ quyền: Chọn Ngữ cảnh uỷ quyền (Quản trị viên, Đã xác thực hoặc Chưa được xác thực) để chạy truy vấn hoặc thay đổi.

  7. Nhấp vào Run (Chạy) trong trình soạn thảo mã rồi xem kết quả.

Để kiểm thử nhiều truy vấn hoặc đột biến trong trình soạn thảo mã, hãy đảm bảo rằng các truy vấn hoặc đột biến đó được đặt tên. Ví dụ: truy vấn sau đây có tên là GetMovie. Di chuyển con trỏ vào dòng đầu tiên của truy vấn hoặc đột biến để kích hoạt nút Run (Chạy).

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

Các trường hợp sử dụng AI assistance for Data Connect in the Firebase console

Các phần sau đây mô tả các trường hợp sử dụng mẫu, bao gồm cả trường hợp bạn có thể yêu cầu Gemini giúp bạn tạo một đột biến để điền sẵn Data Connect, sau đó truy vấn để xác minh kết quả.

Tạo một đột biến để thêm phim vào cơ sở dữ liệu dựa trên dữ liệu đầu vào của người dùng

Trong phần này, bạn sẽ tìm hiểu một ví dụ về cách dùng ngôn ngữ tự nhiên để tạo GraphQL cho một loại đột biến mà bạn có thể dùng để điền sẵn cơ sở dữ liệu. Ví dụ này giả định rằng bạn đang sử dụng giản đồ cơ sở dữ liệu phim được dùng trong tài liệu về Firebase Data Connect và Lớp học lập trình về cách tạo bằng Data Connect.

  1. Trên bảng điều khiển Firebase, hãy mở Data Connect.

  2. Chọn dịch vụ và nguồn dữ liệu, sau đó mở thẻ Dữ liệu.

  3. Nhấp vào biểu tượng Giúp tôi viết GraphQLpen_spark và trong hộp xuất hiện, hãy nhập truy vấn của bạn:

    Create a movie based on user input.

  4. Nhấp vào Tạo. Hệ thống sẽ trả về đột biến. Ví dụ: Gemini có thể trả về một đột biến như:

    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. Xem lại kết quả. Nếu cần, hãy nhấp vào Chỉnh sửa để tinh chỉnh câu lệnh rồi nhấp vào Tạo lại.

  6. Tiếp theo, hãy nhấp vào Chèn để chèn đột biến vào trình chỉnh sửa dữ liệu.

  7. Để thực thi đột biến, bạn cần thêm biến. Trong phần Parameters (Thông số), hãy mở Variables (Biến) rồi thêm một số biến kiểm thử:

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

  8. Nhấp vào Run (Chạy).

  9. Tiếp theo, hãy tạo một truy vấn để xác minh rằng bạn đã thêm phim. Nhấp vào biểu tượng Giúp tôi viết GraphQL pen_spark và trong hộp xuất hiện, hãy nhập câu lệnh:

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

    Gemini có thể trả về một phản hồi như sau:

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

  10. Chèn và chạy truy vấn. Phim bạn thêm sẽ xuất hiện trong trường Nhật ký.

Tạo truy vấn liệt kê các bài đánh giá dựa trên thể loại và điểm xếp hạng do người dùng cung cấp

Trong phần này, bạn sẽ tìm hiểu một ví dụ về cách sử dụng ngôn ngữ tự nhiên để tạo GraphQL cho một truy vấn. Ví dụ này giả định rằng bạn đang sử dụng cơ sở dữ liệu phim được dùng trong tài liệu Firebase Data Connect và Lớp học lập trình bằng Data Connect.

  1. Trên bảng điều khiển Firebase, hãy mở Data Connect.

  2. Chọn dịch vụ và nguồn dữ liệu, sau đó mở thẻ Dữ liệu.

  3. Nhấp vào biểu tượng Giúp tôi viết GraphQLpen_spark và trong hộp xuất hiện, hãy nhập truy vấn của bạn:

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

  4. Nhấp vào Tạo. Truy vấn được trả về. Ví dụ: Gemini có thể trả về một truy vấn như:

    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. Xem lại kết quả. Nếu cần, hãy nhấp vào Chỉnh sửa để tinh chỉnh câu lệnh rồi nhấp vào Tạo lại.

  6. Tiếp theo, hãy nhấp vào Chèn để chèn đột biến vào trình chỉnh sửa dữ liệu.

  7. Để kiểm thử truy vấn này, bạn cần thêm các biến. Trong mục Parameters (Thông số), hãy mở Variables (Biến) và thêm các biến để sử dụng cho quá trình kiểm thử:

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

  8. Nhấp vào Chạy.

Khắc phục sự cố AI assistance for Data Connect in the Firebase console

Hãy tham khảo phần Khắc phục sự cố Gemini trong Firebase.

Giá

AI assistance for Data Connect in the Firebase console có trong Gemini trong Firebase, thuộc Gemini Code Assist. Hãy xem bài viết Giá của Gemini trong Firebase để biết thêm thông tin.

Các bước tiếp theo