ปลั๊กอิน Firebase ผสานรวมบริการ Firebase หลายอย่าง ดังนี้
- ผู้จัดทำดัชนีและรีทรีฟเวอร์โดยใช้ที่เก็บเวกเตอร์ Cloud Firestore
- ติดตามพื้นที่เก็บข้อมูลโดยใช้ Cloud Firestore
- การทำให้โฟลว์ใช้งานได้โดยใช้ Cloud Functions
- นโยบายการให้สิทธิ์สำหรับผู้ใช้การตรวจสอบสิทธิ์ Firebase
การติดตั้ง
npm i --save @genkit-ai/firebase
ข้อกำหนดเบื้องต้น
- ผลิตภัณฑ์ Firebase ทั้งหมดต้องมีโปรเจ็กต์ Firebase คุณสามารถสร้างโปรเจ็กต์ใหม่ได้ หรือเปิดใช้ Firebase ในโปรเจ็กต์ Google Cloud ที่มีอยู่โดยใช้ คอนโซล Firebase
- นอกจากนี้ หากต้องการทำให้โฟลว์ใช้งานได้กับ Cloud Functions คุณต้อง อัปเกรดโปรเจ็กต์ เป็นแพ็กเกจจ่ายเมื่อใช้ของ Blaze
การกำหนดค่า
รหัสโปรเจ็กต์
หากต้องการใช้ปลั๊กอินนี้ ให้ระบุเมื่อเรียกใช้ configureGenkit()
:
import {configureGenkit} from "@genkit-ai/core";
import {firebase} from "@genkit-ai/firebase";
configureGenkit({
plugins: [firebase({projectId: "your-firebase-project"})],
});
ปลั๊กอินจะกำหนดให้คุณระบุรหัสโปรเจ็กต์ Firebase ของคุณ คุณสามารถระบุ รหัสโปรเจ็กต์ Firebase ด้วยวิธีใดวิธีหนึ่งต่อไปนี้
ตั้งค่า
projectId
ในออบเจ็กต์การกำหนดค่าfirebase()
ตั้งค่าตัวแปรสภาพแวดล้อม
GCLOUD_PROJECT
หากคุณเรียกใช้ขั้นตอน จากสภาพแวดล้อม Google Cloud (Cloud Functions, Cloud Run เป็นต้น) ระบบจะตั้งค่าGCLOUD_PROJECT
เป็นรหัสโปรเจ็กต์ของสภาพแวดล้อมโดยอัตโนมัติหากตั้งค่า
GCLOUD_PROJECT
คุณจะละพารามิเตอร์การกําหนดค่าได้ ดังนี้ วันที่firebase()
หากต้องการระบุข้อมูลเข้าสู่ระบบ Firebase คุณจะต้องตั้งค่า Google Cloud ด้วย ข้อมูลเข้าสู่ระบบเริ่มต้นของแอปพลิเคชัน วิธีระบุข้อมูลเข้าสู่ระบบ
หากเรียกใช้โฟลว์จากสภาพแวดล้อม Google Cloud (Cloud Functions, Cloud Run เป็นต้น) โดยระบบจะตั้งค่านี้โดยอัตโนมัติ
สำหรับสภาพแวดล้อมอื่นๆ
- สร้างข้อมูลเข้าสู่ระบบของบัญชีบริการสำหรับโปรเจ็กต์ Firebase และ ดาวน์โหลดไฟล์คีย์ JSON คุณสามารถทำได้ใน บัญชีบริการ ของคอนโซล Firebase
- ตั้งค่าตัวแปรสภาพแวดล้อม
GOOGLE_APPLICATION_CREDENTIALS
ให้กับไฟล์ เส้นทางของไฟล์ JSON ที่มีคีย์บัญชีบริการ
การส่งข้อมูลทางไกล
ปลั๊กอินมีทรัพยากร Dependency โดยตรงในปลั๊กอิน Google Cloud จึงมีสิทธิ์เปิดใช้การส่งออกทางไกลไปยังชุดการดำเนินการในระบบคลาวด์ของ Google หากต้องการเปิดใช้การส่งออกการวัดและส่งข้อมูลทางไกล ให้ตั้งค่า enableTracingAndMetrics
เป็น true
และเพิ่มส่วนการวัดและส่งข้อมูลทางไกลในการกำหนดค่า Genkit ดังนี้
import {configureGenkit} from "@genkit-ai/core";
import {firebase} from "@genkit-ai/firebase";
configureGenkit({
plugins: [firebase()],
enableTracingAndMetrics: true,
telemetry: {
instrumentation: 'firebase',
logger: 'firebase',
},
});
โปรดดูเอกสารประกอบของปลั๊กอิน Google Cloud สำหรับตัวเลือกการกำหนดค่าทั้งหมดและ API ที่จำเป็นซึ่งต้องเปิดใช้ในโปรเจ็กต์
การใช้งาน
ปลั๊กอินนี้มีการผสานรวมกับบริการ Firebase มากมาย ซึ่งคุณจะ ใช้ด้วยกันหรือทีละรายการ
ที่เก็บเวกเตอร์ใน Cloud Firestore
คุณใช้ Cloud Firestore เป็นที่เก็บเวกเตอร์สำหรับการจัดทำดัชนีและการดึงข้อมูล RAG ได้
ส่วนนี้ประกอบด้วยข้อมูลเฉพาะเกี่ยวกับปลั๊กอิน firebase
และ Cloud
ฟีเจอร์การค้นหาเวกเตอร์ของ Firestore
ดูรายละเอียดเพิ่มเติมได้ในหน้าการสร้างแบบดึงข้อมูลเพิ่มเติม
การพูดคุยเกี่ยวกับการใช้ RAG ด้วย Genkit
ปลั๊กอิน firebase
มีฟังก์ชันที่สะดวกสำหรับการกำหนด Firestore
รีทรีฟเวอร์ defineFirestoreRetriever()
:
import {defineFirestoreRetriever} from "@genkit-ai/firebase";
import {retrieve} from "@genkit-ai/ai/retriever";
import {initializeApp} from "firebase-admin/app";
import {getFirestore} from "firebase-admin/firestore";
const app = initializeApp();
const firestore = getFirestore(app);
const yourRetrieverRef = defineFirestoreRetriever({
name: "yourRetriever",
firestore: getFirestore(app),
collection: "yourCollection",
contentField: "yourDataChunks",
vectorField: "embedding",
embedder: textEmbeddingGecko, // Import from '@genkit-ai/googleai' or '@genkit-ai/vertexai'
distanceMeasure: "COSINE", // "EUCLIDEAN", "DOT_PRODUCT", or "COSINE" (default)
});
หากต้องการใช้ โปรดส่งต่อไปที่ฟังก์ชัน retrieve()
:
const docs = await retrieve({
retriever: yourRetrieverRef,
query: "look for something",
options: {limit: 5},
});
ตัวเลือกการดึงข้อมูลที่ใช้ได้มีดังนี้
limit
: ระบุจำนวนผลลัพธ์ที่ตรงกันที่จะแสดงwhere
: คู่ช่อง/ค่าที่จะจับคู่ (เช่น{category: 'food'}
) นอกเหนือจากการค้นหาเวกเตอร์collection
: ลบล้างคอลเล็กชันเริ่มต้นเพื่อค้นหา เช่น การค้นหาคอลเล็กชันย่อย
หากต้องการเติมข้อมูลคอลเล็กชัน Firestore ให้ใช้เครื่องมือสร้างการฝังพร้อมกับ Admin SDK เช่น สคริปต์การส่งผ่านข้อมูลเมนูจาก หน้าการสร้างและดึงข้อมูลสามารถปรับเปลี่ยนสำหรับ Firestore ในลักษณะดังต่อไปนี้
import { configureGenkit } from "@genkit-ai/core";
import { embed } from "@genkit-ai/ai/embedder";
import { defineFlow, run } from "@genkit-ai/flow";
import { textEmbeddingGecko, vertexAI } from "@genkit-ai/vertexai";
import { applicationDefault, initializeApp } from "firebase-admin/app";
import { FieldValue, getFirestore } from "firebase-admin/firestore";
import { chunk } from "llm-chunk";
import pdf from "pdf-parse";
import * as z from "zod";
import { readFile } from "fs/promises";
import path from "path";
// Change these values to match your Firestore config/schema
const indexConfig = {
collection: "menuInfo",
contentField: "text",
vectorField: "embedding",
embedder: textEmbeddingGecko,
};
configureGenkit({
plugins: [vertexAI({ location: "us-central1" })],
enableTracingAndMetrics: false,
});
const app = initializeApp({ credential: applicationDefault() });
const firestore = getFirestore(app);
export const indexMenu = defineFlow(
{
name: "indexMenu",
inputSchema: z.string().describe("PDF file path"),
outputSchema: z.void(),
},
async (filePath: string) => {
filePath = path.resolve(filePath);
// Read the PDF.
const pdfTxt = await run("extract-text", () =>
extractTextFromPdf(filePath)
);
// Divide the PDF text into segments.
const chunks = await run("chunk-it", async () => chunk(pdfTxt));
// Add chunks to the index.
await run("index-chunks", async () => indexToFirestore(chunks));
}
);
async function indexToFirestore(data: string[]) {
for (const text of data) {
const embedding = await embed({
embedder: indexConfig.embedder,
content: text,
});
await firestore.collection(indexConfig.collection).add({
[indexConfig.vectorField]: FieldValue.vector(embedding),
[indexConfig.contentField]: text,
});
}
}
async function extractTextFromPdf(filePath: string) {
const pdfFile = path.resolve(filePath);
const dataBuffer = await readFile(pdfFile);
const data = await pdf(dataBuffer);
return data.text;
}
Firestore จะขึ้นอยู่กับดัชนีเพื่อให้การค้นหาที่รวดเร็วและมีประสิทธิภาพ คอลเล็กชัน (โปรดทราบว่า "ดัชนี" ในที่นี้หมายถึงดัชนีฐานข้อมูล ไม่ใช่ โปรแกรมจัดทำดัชนีและรีทรีฟเวอร์แบบนามธรรมของ Genkit)
ตัวอย่างก่อนหน้านี้กำหนดให้ฟิลด์ embedding
ได้รับการจัดทําดัชนีเป็น
งาน วิธีสร้างดัชนี
เรียกใช้คำสั่ง
gcloud
ที่อธิบายไว้ใน สร้างดัชนีเวกเตอร์ฟิลด์เดียว ในเอกสาร Firestoreคำสั่งมีลักษณะดังต่อไปนี้
gcloud alpha firestore indexes composite create --project=your-project-id \ --collection-group=yourCollectionName --query-scope=COLLECTION \ --field-config=vector-config='{"dimension":"768","flat": "{}"}',field-path=yourEmbeddingField
แต่การกำหนดค่าการจัดทำดัชนีที่ถูกต้องจะขึ้นอยู่กับคำค้นหาที่คุณจะ และโมเดลการฝังที่คุณใช้อยู่
หรือให้เรียกใช้
retrieve()
จากนั้น Firestore จะแสดงข้อผิดพลาด คำสั่งที่ถูกต้องเพื่อสร้างดัชนี
ดูข้อมูลเพิ่มเติม
- ดูหน้าการสร้างและดึงข้อมูลสำหรับข้อมูลทั่วไป การพูดคุยเกี่ยวกับตัวจัดทำดัชนีและรีทรีฟเวอร์ใน Genkit
- ดูการค้นหาด้วยการฝังเวกเตอร์ ในเอกสาร Cloud Firestore สำหรับข้อมูลเพิ่มเติมเกี่ยวกับฟีเจอร์การค้นหาเวกเตอร์
พื้นที่เก็บข้อมูลการติดตามใน Cloud Firestore
คุณใช้ Cloud Firestore เพื่อจัดเก็บการติดตามได้ ดังนี้
import {firebase} from "@genkit-ai/firebase";
configureGenkit({
plugins: [firebase()],
traceStore: "firebase",
enableTracingAndMetrics: true,
});
โดยค่าเริ่มต้น ปลั๊กอินจะจัดเก็บการติดตามในคอลเล็กชันชื่อ genkit-traces
ใน
ฐานข้อมูลเริ่มต้นของโปรเจ็กต์ วิธีเปลี่ยนการตั้งค่าอย่างใดอย่างหนึ่งต่อไปนี้
firebase({
traceStore: {
collection: "your-collection";
databaseId: "your-db";
}
})
เมื่อใช้การจัดเก็บการติดตามแบบ Firestore คุณจะต้องเปิดใช้ TTL สำหรับเอกสารการติดตาม: https://firebase.google.com/docs/firestore/ttl
Cloud Functions
ปลั๊กอินมีตัวสร้าง onFlow()
ซึ่งจะสร้างขั้นตอนที่สนับสนุนโดย
Cloud Functions สำหรับฟังก์ชันที่ทริกเกอร์ HTTPS ของ Firebase ฟังก์ชันเหล่านี้สอดคล้องกับ
ของ Firebase
อินเทอร์เฟซฟังก์ชันที่เรียกใช้ได้ และคุณสามารถใช้
SDK ของไคลเอ็นต์ Cloud Functions
เพื่อโทรหา
import {firebase} from "@genkit-ai/firebase";
import {onFlow, noAuth} from "@genkit-ai/firebase/functions";
configureGenkit({
plugins: [firebase()],
});
export const exampleFlow = onFlow(
{
name: "exampleFlow",
authPolicy: noAuth(), // WARNING: noAuth() creates an open endpoint!
},
async (prompt) => {
// Flow logic goes here.
return response;
}
);
ทำให้โฟลว์ใช้งานได้โดยใช้ Firebase CLI ดังนี้
firebase deploy --only functions
ฟังก์ชัน onFlow()
มีตัวเลือกบางอย่างที่ไม่มีใน defineFlow()
:
httpsOptions
:HttpsOptions
ที่ใช้สำหรับกำหนดค่า Cloud Functionexport const exampleFlow = onFlow( { name: "exampleFlow", httpsOptions: { cors: true, }, // ... }, async (prompt) => { // ... } );
enforceAppCheck
: เมื่อtrue
ให้ปฏิเสธคำขอที่ไม่มีการตรวจสอบแอปหรือไม่ถูกต้อง โทเค็นconsumeAppCheckToken
: เมื่อtrue
ให้เลิกใช้โทเค็น App Check หลังจากยืนยัน
Firebase Auth
ปลั๊กอินนี้มีฟังก์ชันผู้ช่วยในการสร้างนโยบายการให้สิทธิ์ การตรวจสอบสิทธิ์ Firebase:
import {firebaseAuth} from "@genkit-ai/firebase/auth";
export const exampleFlow = onFlow(
{
name: "exampleFlow",
authPolicy: firebaseAuth((user) => {
if (!user.email_verified) throw new Error("Requires verification!");
}),
},
async (prompt) => {
// ...
}
);
หากต้องการกำหนดนโยบายการตรวจสอบสิทธิ์ ให้ระบุฟังก์ชัน Callback ที่ firebaseAuth()
ใช้เวลา
DecodedIdToken
เป็นพารามิเตอร์เดียว ในฟังก์ชันนี้ ให้ตรวจสอบโทเค็นผู้ใช้และส่ง
หากผู้ใช้มีคุณสมบัติไม่ตรงตามเกณฑ์ที่คุณต้องการ
โปรดดูที่การให้สิทธิ์และความซื่อสัตย์สำหรับการสนทนาเกี่ยวกับ หัวข้อนี้