在 2024 年演示日活动中，观看有关如何使用 Firebase 构建和运行 AI 赋能应用的演示。立即观看。

使用 Firebase Remote Config 动态更新 Vertex AI in Firebase 应用

使用 Vertex AI in Firebase SDK 从应用中调用 Gemini API 时，您的请求会包含一些用于控制生成式 AI 回答的参数。这些参数通常包括模型名称、模型生成配置（token 数量上限、温度等）、安全设置、系统指令和提示数据。

在大多数情况下，您需要按需更改这些参数，或者根据多种场景的需要进行更改：

无需发布新应用即可更新生成式 AI 模型。您可以在旧版本停用之前升级到较新的稳定模型版本，根据用户需求和属性降级到成本较低或性能较高的模型，或者有条件地将最新和最好的模型部署到特定细分用户群（例如 Beta 版测试人员）。
设置模型的访问位置，使其更靠近用户。
对不同的系统指令和提示进行 A/B 测试，然后逐步向用户发布实验的胜出值。
使用功能标志在应用中快速公开或隐藏生成式 AI 功能。

Firebase Remote Config 可执行上述所有操作及更多操作，让您可以根据需要更新参数值，并有条件地为与您在 Firebase 控制台中设置的特征相匹配的应用实例更新参数值，而无需发布新版本的应用。

本解决方案指南提供了特定的推荐应用场景，并介绍了如何向生成式 AI 应用添加 Remote Config。

跳转到代码实现

为什么要将 Firebase Remote Config 与应用搭配使用？

借助 Firebase Remote Config，您无需更新应用即可动态调整应用的行为。这对于使用生成式 AI 的应用尤其有用，在这种情况下，快速迭代和微调至关重要。

将 Remote Config 与生成式 AI 应用搭配使用的基本应用场景

对于以下基本应用场景，我们建议将 Remote Config 与 Vertex AI in Firebase 搭配使用：

在不更新应用的情况下升级到最新的模型版本：使用 Remote Config 参数根据需要更改模型名称，以便在首选 Gemini 模型的最新版本推出后立即升级到该版本。
在不更新应用的情况下更新系统指令和安全设置：将系统指令和安全设置存储在 Remote Config 参数中，以确保在部署后发现问题时可以按需更改。
降低风险并加强 AI 安全性：使用 Remote Config 发布，安全地逐步向 iOS 和 Android 用户发布生成式 AI 更改。

将 Remote Config 与生成式 AI 应用搭配使用的高级和推荐应用场景

使用 Remote Config 和 Google Analytics 对应用进行插桩后，您可以探索高级应用场景：

根据客户端位置设置位置：使用 Remote Config 条件可根据检测到的客户端位置设置模型的位置。
对不同的模型进行实验：快速测试并在各种生成式 AI 模型之间切换，甚至将不同的模型部署到不同的细分用户群，以找到最适合您的特定应用场景的模型。
优化模型性能：微调模型参数，例如系统提示、输出 token 数量上限、温度和其他设置。
根据客户端属性使用不同的系统指令、提示和模型配置：将 Remote Config 与 Google Analytics 搭配使用时，您可以根据客户端属性或自定义受众群体创建条件，并根据这些属性设置不同的参数。

例如，如果您使用生成式 AI 在应用中提供技术支持，则可能需要设置特定于应用平台的系统指令，以确保向 Android、iOS 和 Web 平台用户提供准确的指令。
为每位用户提供个性化体验：使用 Remote Config 个性化自动确定适用于每位用户的最佳生成式 AI 设置。
控制费用：远程调整调用的生成式 AI 模型、模型的使用频率，并根据用户受众群体动态配置输出 token 数量上限值，以减少不必要的费用。
优化应用体验和结果：将 A/B Testing 与 Remote Config 搭配用于 iOS、Android 和 Flutter 应用，以在不同细分用户群中测试对生成式 AI 参数进行的更改，了解这些更改对留存率和收入等关键指标的影响。

通过使用 Firebase Remote Config 对生成式 AI 应用进行插桩，您可以构建灵活、安全且经济实惠的依托 AI 技术的应用，同时为用户打造愉悦的体验。

将 Firebase Remote Config 添加到您的应用

在本解决方案指南中，您将使用 Firebase Remote Config 动态更新 Android 应用中使用 Vertex AI in Firebase SDK 的参数。您将学习如何：

从 Firebase Remote Config 提取并激活模型名称和系统指令等参数。
更新 Gemini API 调用以使用动态检索的参数，让您可以在不同的模型之间切换或修改系统指令，而无需更新应用。
远程控制参数，根据需要调整模型行为和功能。

前提条件

本指南假定您熟悉如何使用 JavaScript 开发 Web 应用。本指南与框架无关。在开始之前，请确保您执行了以下操作：

完成 Vertex AI in Firebase SDK 入门指南中的步骤。请确保您已执行以下所有操作：
1. 设置新的或现有的 Firebase 项目，包括使用 Blaze 定价方案和启用所需的 API。
2. 将您的应用与 Firebase 相关联，包括注册您的应用并将 Firebase 配置添加到您的应用。
3. 在应用中添加 SDK 并初始化 Vertex AI 服务和生成式模型。
在项目中启用 Google Analytics，并将其 SDK 添加到您的应用中（需要完成此操作才能有条件地定位，例如根据客户端设备的位置来设置服务和模型的位置）。

第 1 步：在 Firebase 控制台中设置参数值

创建一个客户端 Remote Config 模板，并配置要在应用中提取和使用的参数和值。

打开 Firebase 控制台，然后从导航菜单中展开运行并选择 Remote Config。
确保从 Remote Config 页面顶部的客户端/服务器选择器中选择客户端。
- 如果您是首次使用 Remote Config 客户端模板，请点击创建配置。随即会出现创建您的首个参数窗格。
- 如果您不是首次使用 Remote Config 模板，请点击添加参数。

定义以下 Remote Config 参数：

参数名称	说明	类型	默认值
`model_name`	模型名称。如需查看要在代码中使用的模型名称的最新列表，请参阅可用模型名称。	字符串	`gemini-1.5-flash`
`system_instructions`	系统指令类似于您在模型接触到来自最终用户的任何进一步指令之前添加的“序言”，以便根据特定需求和应用场景来影响模型行为。	字符串	`You are a helpful assistant who knows everything there is to know about Firebase!`
`prompt`	与生成式 AI 功能搭配使用的默认提示。	字符串	`I am a developer who wants to know more about Firebase!`
`vertex_location`	（可选）控制要运行 Vertex AI 服务和访问模型的位置。您可以设置条件，以便根据 Google Analytics 检测到的客户端位置来配置此选项。	字符串	`us-central1`

添加完参数后，点击发布更改。如果这不是新的 Remote Config 模板，请查看更改，然后再次点击发布更改。

第 2 步：添加并初始化 Remote Config SDK

添加并初始化 Remote Config SDK：

在文本编辑器中打开您的代码，然后导入 Remote Config：
```
import { getRemoteConfig } from 'firebase/remote-config';
```

在主要函数中，在 Firebase 应用针对 Vertex AI in Firebase SDK 进行初始化后，初始化 Remote Config：

  // Initialize Remote Config and get a reference to the service
  const remoteConfig = getRemoteConfig(app);

设置最小提取间隔。在此示例中，默认提取间隔为 3600 秒，但我们建议您在开发期间在代码中设置相对较短的最小提取间隔。
```
remoteConfig.settings.minimumFetchIntervalMillis = 3600000;
```

第 3 步：设置应用内参数值

您应在 Remote Config 对象中设置应用内默认参数值，以便在应用连接到 Remote Config 后端之前、在客户端网络访问中断时以及/或是在后端未配置任何值时，应用能够正常运行。

在此示例中，您会手动为模型名称、系统指令、用户提示和 Vertex AI 位置设置默认值：

// Set default Remote Config parameter values
remoteConfig.defaultConfig = {
  model_name: 'gemini-1.5-flash',
  system_instructions:
    'You are a helpful assistant who knows everything there is to know about Firebase!',
  prompt: 'I am a developer who wants to know more about Firebase!',
  vertex_location: 'us-central1',
};

第 4 步：提取并激活值

将 getValue 和 fetchAndActivate 添加到导入项中：

import { getValue, fetchAndActivate } from 'firebase/remote-config';

在您添加的用于配置默认 Remote Config 值的代码之后，提取并激活配置，然后为 modelName、systemInstructions、prompt 和 vertexLocation 常量分配值。

// Fetch and activate Remote Config.
try {
  await fetchAndActivate(remoteConfig);
} catch(err) {
  console.error('Remote Config fetch failed', err);
}

console.log('Remote Config fetched.');

// Assign Remote Config values.
const modelName = getValue(remoteConfig, 'model_name').asString();
const systemInstructions = getValue(remoteConfig, 'system_instructions').asString();
const prompt = getValue(remoteConfig, 'prompt').asString();
const vertexLocation = getValue(remoteConfig, 'vertex_location').asString();

第 5 步：更新 Vertex AI 调用以使用 Remote Config 值

现在，Remote Config 已完全配置，可更新代码以将硬编码值替换为来自 Remote Config 的值。例如，如果您使用的是借助 Vertex AI in Firebase SDK 开始使用 Gemini API 中所用的示例，则应按以下方式进行更新：

// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);

// Initialize the Vertex AI service
// Optionally specify a location in which to run the service and access the model
const vertexAI = getVertexAI(firebaseApp, { location: vertexLocation });

// Initialize the generative model with a model that supports your use case
// Gemini 1.5 models are versatile and can be used with all API capabilities
const model = getGenerativeModel(vertexAI, {
  model: modelName,
  systemInstruction: systemInstruction
});

// Wrap in an async function so you can use await
async function run() {
  // Provide a prompt that contains text
  const userPrompt = prompt;

  // To generate text output, call generateContent with the text input
  const result = await model.generateContent(userPrompt);

  const response = result.response;
  const text = response.text();
  console.log(text);
}

第 6 步：运行应用

运行应用并验证其能否正常运行。在 Firebase 控制台的 Remote Config 页面中对配置进行更改，发布更改，然后验证结果。

后续步骤

详细了解 Remote Config。
将 Google Analytics 添加到您的代码中以启用定位。