این سند نحوه دریافت کمک با بهرهگیری از هوش مصنوعی در Cloud Firestore را برای تولید پُرسمانهای «زبان پُرسمان» سازگار با MongoDB (MQL) بااستفاده از پیاموارههای زبان طبیعی شرح میدهد.
با نحوه و زمان استفاده Gemini از دادههایتان برای Google Cloud آشنا شوید.
قبل از شروع
اختیاری: راهاندازی Gemini Code Assist.
برای تکمیل تکالیف موجود در این سند، مطمئن شوید که اجازههای لازم «مدیریت هویت و دسترسیها» (IAM) را دارید.
نقشهای الزامی
برای دریافت اجازههایی که برای تکمیل تکالیف در این سند نیاز دارید، از سرپرستتان بخواهید نقش «مدیریت هویت و دسترسی» Gemini برای کاربر Google Cloud (roles/cloudaicompanion.user)
را در پروژه به شما اعطا کند.
تولید کردن پُرسمانهای MQL بااستفاده از پیاموارههای زبان طبیعی
میتوانید Geminiنظرات به زبان طبیعی (یا پیامواره) ارائه دهید تا پُرسمانهایی براساس طرحواره شما تولید شود. برای مثال، میتوانید به Gemini پیامواره بدهید تا در پاسخ به پیاموارههای زیر، «مشتری بالقوه تیم بازاریابی» تولید کند:
- «چند کتاب محبوب با سال انتشار ۱۹۶۰ وجود دارد؟»
- «مجموعهای نمونه از کتابهای پرطرفدار ایجاد کن.»
برای تولید «مشتری بالقوه تیم بازاریابی» در Cloud Firestore با کمک Gemini، این مراحل را دنبال کنید:
در کنسول Google Cloud، به صفحه Cloud Firestore پایگاههای داده بروید.
پایگاه داده Cloud Firestore را از فهرست انتخاب کنید. Firestore Studio باز میشود.
در ویرایشگر پُرسمان جدید یا خالی، روی دکمه تولید MQL کلیک کنید. درغیراینصورت، روی کمک گرفتن در کدنویسی کلیک کنید.
پیاموارهای را برای استفاده جهت تولید پُرسمان وارد کنید. برای بهبود دقت، مجموعهای را برای بافت در منو کرکرهای انتخاب کنید.
«مشتری بالقوه تیم بازاریابی» تولیدشده را بازبینی کنید و هرکدام از کنشهای زیر را انجام دهید:
- برای پذیرفتن «مشتری بالقوه تیم بازاریابی» تولیدشده توسط Gemini، روی درج کلیک کنید. میتوانید به ویرایش کردن MQL در ویرایشگر ادامه دهید. روی اجرا کلیک کنید تا پُرسمانتان اجرا شود.
- برای ویرایش کردن پیامواره، روی ویرایش کلیک کنید.
حالا چه میشود
- Geminiبرای نمای کلی Google Cloud، را بخوانید.
- ببینید Gemini چگونه از دادههایتان استفاده میکند.