با استفاده از SDKهای Logic API Firebase با API شروع کنید

این راهنما به شما نشان می‌دهد که چگونه می‌توانید مستقیماً از برنامه خود با استفاده از SDK های کلاینت Firebase AI Logic برای پلتفرم انتخابی خود، فراخوانی‌های Gemini API را شروع کنید.

همچنین می‌توانید از این راهنما برای شروع دسترسی به مدل‌های Imagen با استفاده از Firebase AI Logic SDKs استفاده کنید.

پیش‌نیازها

سویفت

این راهنما فرض می‌کند که شما با استفاده از Xcode برای توسعه اپلیکیشن برای پلتفرم‌های اپل (مانند iOS) آشنا هستید.

مطمئن شوید که محیط توسعه و اپلیکیشن پلتفرم اپل شما این الزامات را برآورده می‌کنند:

  • ایکس‌کد ۱۶.۲ یا بالاتر
  • برنامه شما iOS 15 یا بالاتر یا macOS 12 یا بالاتر را هدف قرار می‌دهد

Kotlin

این راهنما فرض می‌کند که شما با استفاده از اندروید استودیو برای توسعه اپلیکیشن‌های اندروید آشنا هستید.

مطمئن شوید که محیط توسعه و برنامه اندروید شما این الزامات را برآورده می‌کند:

  • اندروید استودیو (آخرین نسخه)
  • برنامه شما سطح API 21 یا بالاتر را هدف قرار می‌دهد.

Java

این راهنما فرض می‌کند که شما با استفاده از اندروید استودیو برای توسعه اپلیکیشن‌های اندروید آشنا هستید.

مطمئن شوید که محیط توسعه و برنامه اندروید شما این الزامات را برآورده می‌کند:

  • اندروید استودیو (آخرین نسخه)
  • برنامه شما سطح API 21 یا بالاتر را هدف قرار می‌دهد.

Web

این راهنما فرض می‌کند که شما با استفاده از جاوا اسکریپت برای توسعه برنامه‌های وب آشنا هستید. این راهنما مستقل از چارچوب است.

مطمئن شوید که محیط توسعه و برنامه وب شما این الزامات را برآورده می‌کند:

  • (اختیاری) Node.js
  • مرورگر وب مدرن

Dart

این راهنما فرض می‌کند که شما با توسعه برنامه‌ها با Flutter آشنا هستید.

مطمئن شوید که محیط توسعه و برنامه Flutter شما این الزامات را برآورده می‌کنند:

  • دارت ۳.۲.۰+

وحدت

این راهنما فرض می‌کند که شما با توسعه بازی با Unity آشنا هستید.

مطمئن شوید که محیط توسعه و بازی Unity شما این الزامات را برآورده می‌کند:

  • ویرایشگر یونیتی نسخه 2021 LTS یا جدیدتر

منابع مفید را بررسی کنید

سویفت

برنامه شروع سریع را امتحان کنید

از برنامه‌ی شروع سریع (quickstart) برای امتحان سریع SDK و مشاهده‌ی پیاده‌سازی کامل موارد استفاده‌ی مختلف استفاده کنید. یا اگر برنامه‌ی پلتفرم اپل مخصوص به خودتان را ندارید، از برنامه‌ی شروع سریع (quickstart) استفاده کنید. برای استفاده از برنامه‌ی شروع سریع، باید آن را به یک پروژه‌ی Firebase متصل کنید .

به برنامه شروع سریع بروید

یک آموزش ویدیویی تماشا کنید

این ویدیو نحوه شروع کار با Firebase AI Logic را با ساخت یک برنامه برنامه‌ریزی غذایی مبتنی بر هوش مصنوعی در دنیای واقعی که دستور پخت‌ها را از طریق یک پیام متنی تولید می‌کند، نشان می‌دهد.

همچنین می‌توانید کدبیس برنامه را که در ویدیو آمده است دانلود و بررسی کنید.

کدبیس برنامه‌ی مربوط به ویدیو را مشاهده کنید



Kotlin

برنامه شروع سریع را امتحان کنید

از برنامه‌ی شروع سریع (quickstart) برای امتحان سریع SDK و مشاهده‌ی پیاده‌سازی کامل موارد استفاده‌ی مختلف استفاده کنید. یا اگر برنامه‌ی اندروید خودتان را ندارید، از برنامه‌ی شروع سریع (quickstart) استفاده کنید. برای استفاده از برنامه‌ی شروع سریع، باید آن را به یک پروژه‌ی Firebase متصل کنید .

به برنامه شروع سریع بروید

یک آموزش ویدیویی تماشا کنید

این ویدیو نحوه شروع کار با Firebase AI Logic را با ساخت یک برنامه برنامه‌ریزی غذایی مبتنی بر هوش مصنوعی در دنیای واقعی که دستور پخت‌ها را از طریق یک پیام متنی تولید می‌کند، نشان می‌دهد.

همچنین می‌توانید کدبیس برنامه را که در ویدیو آمده است دانلود و بررسی کنید.

کدبیس برنامه‌ی مربوط به ویدیو را مشاهده کنید



Java

برنامه شروع سریع را امتحان کنید

از برنامه‌ی شروع سریع (quickstart) برای امتحان سریع SDK و مشاهده‌ی پیاده‌سازی کامل موارد استفاده‌ی مختلف استفاده کنید. یا اگر برنامه‌ی اندروید خودتان را ندارید، از برنامه‌ی شروع سریع (quickstart) استفاده کنید. برای استفاده از برنامه‌ی شروع سریع، باید آن را به یک پروژه‌ی Firebase متصل کنید .

به برنامه شروع سریع بروید

یک آموزش ویدیویی تماشا کنید

این ویدیو نحوه شروع کار با Firebase AI Logic را با ساخت یک برنامه برنامه‌ریزی غذایی مبتنی بر هوش مصنوعی در دنیای واقعی که دستور پخت‌ها را از طریق یک پیام متنی تولید می‌کند، نشان می‌دهد. *

همچنین می‌توانید کدبیس برنامه را که در ویدیو آمده است دانلود و بررسی کنید.

کدبیس برنامه‌ی مربوط به ویدیو را مشاهده کنید

* این ویدیو و برنامه‌اش به زبان کاتلین هستند، اما همچنان می‌توانند به توسعه‌دهندگان جاوا کمک کنند تا اصول اولیه نحوه شروع کار با Firebase AI Logic را درک کنند.

Web

برنامه شروع سریع را امتحان کنید

از برنامه‌ی شروع سریع (quickstart) برای امتحان سریع SDK و مشاهده‌ی پیاده‌سازی کامل موارد استفاده‌ی مختلف استفاده کنید. یا اگر برنامه‌ی وب خودتان را ندارید، از برنامه‌ی شروع سریع (quickstart) استفاده کنید. برای استفاده از برنامه‌ی شروع سریع، باید آن را به یک پروژه‌ی Firebase متصل کنید .

به برنامه شروع سریع بروید

Dart

برنامه شروع سریع را امتحان کنید

از برنامه‌ی شروع سریع (quickstart) برای امتحان سریع SDK و مشاهده‌ی پیاده‌سازی کامل موارد استفاده‌ی مختلف استفاده کنید. یا اگر برنامه‌ی Flutter مخصوص به خودتان را ندارید، از برنامه‌ی شروع سریع (quickstart) استفاده کنید. برای استفاده از برنامه‌ی شروع سریع، باید آن را به یک پروژه‌ی Firebase متصل کنید .

به برنامه شروع سریع بروید

یک آموزش ویدیویی تماشا کنید

این ویدیو نحوه شروع کار با Firebase AI Logic را با ساخت یک برنامه برنامه‌ریزی غذایی مبتنی بر هوش مصنوعی در دنیای واقعی که دستور پخت‌ها را از طریق یک پیام متنی تولید می‌کند، نشان می‌دهد.

همچنین می‌توانید کدبیس برنامه را که در ویدیو آمده است دانلود و بررسی کنید.

کدبیس برنامه‌ی مربوط به ویدیو را مشاهده کنید



وحدت

برنامه شروع سریع را امتحان کنید

برای امتحان سریع SDK و مشاهده پیاده‌سازی کامل موارد استفاده مختلف، از برنامه Quickstart استفاده کنید. یا اگر بازی Unity خودتان را ندارید، از برنامه Quickstart استفاده کنید. برای استفاده از برنامه Quickstart، باید آن را به یک پروژه Firebase متصل کنید .

به برنامه شروع سریع بروید

مرحله ۱ : یک پروژه Firebase راه‌اندازی کنید و برنامه خود را متصل کنید

  1. وارد کنسول Firebase شوید و سپس پروژه Firebase خود را انتخاب کنید.

  2. در کنسول Firebase ، به صفحه منطق هوش مصنوعی فایربیس بروید.

  3. برای شروع یک گردش کار هدایت‌شده که به شما در تنظیم APIها و منابع مورد نیاز پروژه‌تان کمک می‌کند، روی «شروع به کار» کلیک کنید.

  4. ارائه‌دهنده‌ی « Gemini API » را که می‌خواهید با Firebase AI Logic SDKs استفاده کنید، انتخاب کنید. Gemini Developer API برای کاربران تازه‌کار توصیه می‌شود. در صورت تمایل، همیشه می‌توانید بعداً صورتحساب را اضافه کنید یا Vertex AI Gemini API را راه‌اندازی کنید.

    • رابط برنامه‌نویسی کاربردی توسعه‌دهندگان Gemini - پرداخت هزینه اختیاری (در طرح قیمت‌گذاری رایگان Spark موجود است و در صورت تمایل می‌توانید بعداً آن را ارتقا دهید)
      کنسول، APIهای مورد نیاز را فعال کرده و یک کلید API مربوط به Gemini را در پروژه شما ایجاد می‌کند.
      این کلید API مربوط به Gemini را به کدبیس برنامه خود اضافه نکنید . اطلاعات بیشتر.

    • رابط برنامه‌نویسی کاربردی Vertex AI Gemini - پرداخت صورتحساب الزامی است (نیازمند طرح قیمت‌گذاری پرداخت در محل Blaze است)
      این کنسول به شما کمک می‌کند تا صورتحساب را تنظیم کنید و APIهای مورد نیاز را در پروژه خود فعال کنید.

  5. اگر در گردش کار کنسول از شما خواسته شد، دستورالعمل‌های روی صفحه را برای ثبت برنامه خود و اتصال آن به Firebase دنبال کنید.

  6. برای افزودن SDK به برنامه خود، به مرحله بعدی این راهنما بروید.

مرحله 2 : اضافه کردن SDK

با راه‌اندازی پروژه Firebase و اتصال برنامه به Firebase (به مرحله قبل مراجعه کنید)، اکنون می‌توانید Firebase AI Logic SDK را به برنامه خود اضافه کنید.

سویفت

برای نصب و مدیریت وابستگی‌های Firebase از Swift Package Manager استفاده کنید.

کتابخانه Firebase AI Logic دسترسی به APIها را برای تعامل با مدل‌های Gemini و Imagen فراهم می‌کند. این کتابخانه به عنوان بخشی از Firebase SDK برای پلتفرم‌های اپل ( firebase-ios-sdk ) گنجانده شده است.

اگر از قبل از Firebase استفاده می‌کنید، مطمئن شوید که بسته Firebase شما نسخه ۱۱.۱۳.۰ یا بالاتر است.

  1. در Xcode، با باز کردن پروژه برنامه خود، به File > Add Package Dependencies بروید.

  2. وقتی از شما خواسته شد، مخزن SDK پلتفرم‌های اپل فایربیس را اضافه کنید:

    https://github.com/firebase/firebase-ios-sdk

  3. آخرین نسخه SDK را انتخاب کنید.

  4. کتابخانه FirebaseAI را انتخاب کنید.

پس از اتمام، Xcode به طور خودکار شروع به حل و دانلود وابستگی‌های شما در پس‌زمینه می‌کند.

Kotlin

کیت توسعه نرم‌افزاری منطق هوش مصنوعی فایربیس برای اندروید ( firebase-ai ) دسترسی به رابط‌های برنامه‌نویسی (API) برای تعامل با مدل‌های Gemini و Imagen را فراهم می‌کند.

در فایل Gradle ماژول (سطح برنامه) خود (مانند <project>/<app-module>/build.gradle.kts )، وابستگی مربوط به کتابخانه Firebase AI Logic برای اندروید را اضافه کنید. توصیه می‌کنیم از Firebase Android BoM برای کنترل نسخه‌بندی کتابخانه استفاده کنید.

dependencies {
  // ... other androidx dependencies

  // Import the BoM for the Firebase platform
  implementation(platform("com.google.firebase:firebase-bom:34.4.0"))

  // Add the dependency for the Firebase AI Logic library
  // When using the BoM, you don't specify versions in Firebase library dependencies
  implementation("com.google.firebase:firebase-ai")
}

با استفاده از Firebase Android BoM ، برنامه شما همیشه از نسخه‌های سازگار کتابخانه‌های اندروید Firebase استفاده خواهد کرد.

Java

کیت توسعه نرم‌افزاری منطق هوش مصنوعی فایربیس برای اندروید ( firebase-ai ) دسترسی به رابط‌های برنامه‌نویسی (API) برای تعامل با مدل‌های Gemini و Imagen را فراهم می‌کند.

در فایل Gradle ماژول (سطح برنامه) خود (مانند <project>/<app-module>/build.gradle.kts )، وابستگی مربوط به کتابخانه Firebase AI Logic برای اندروید را اضافه کنید. توصیه می‌کنیم از Firebase Android BoM برای کنترل نسخه‌بندی کتابخانه استفاده کنید.

برای جاوا، باید دو کتابخانه اضافی اضافه کنید.

dependencies {
  // ... other androidx dependencies

  // Import the BoM for the Firebase platform
  implementation(platform("com.google.firebase:firebase-bom:34.4.0"))

  // Add the dependency for the Firebase AI Logic library
  // When using the BoM, you don't specify versions in Firebase library dependencies
  implementation("com.google.firebase:firebase-ai")

  // Required for one-shot operations (to use `ListenableFuture` from Guava Android)
  implementation("com.google.guava:guava:31.0.1-android")

  // Required for streaming operations (to use `Publisher` from Reactive Streams)
  implementation("org.reactivestreams:reactive-streams:1.0.4")
}

با استفاده از Firebase Android BoM ، برنامه شما همیشه از نسخه‌های سازگار کتابخانه‌های اندروید Firebase استفاده خواهد کرد.

Web

کتابخانه Firebase AI Logic دسترسی به APIها را برای تعامل با مدل‌های Gemini و Imagen فراهم می‌کند. این کتابخانه به عنوان بخشی از Firebase JavaScript SDK for Web گنجانده شده است.

  1. نصب Firebase JS SDK برای وب با استفاده از npm:

    npm install firebase

  2. مقداردهی اولیه فایربیس در برنامه شما:

    import { initializeApp } from "firebase/app";

// TODO(developer) Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
  // ...
};

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

Dart

افزونه Firebase AI Logic برای Flutter ( firebase_ai ) دسترسی به APIها را برای تعامل با مدل‌های Gemini و Imagen فراهم می‌کند.

  1. از دایرکتوری پروژه Flutter خود، دستور زیر را برای نصب افزونه اصلی و افزونه Firebase AI Logic اجرا کنید:

    flutter pub add firebase_core firebase_ai

  2. در فایل lib/main.dart خود، افزونه‌ی هسته‌ی فایربیس، افزونه‌ی فایربیس هوش مصنوعی لاجیک و فایل پیکربندی که قبلاً ایجاد کرده‌اید را وارد کنید:

    import 'package:firebase_core/firebase_core.dart';
import 'package:firebase_ai/firebase_ai.dart';
import 'firebase_options.dart';

  3. همچنین در فایل lib/main.dart خود، Firebase را با استفاده از شیء DefaultFirebaseOptions که توسط فایل پیکربندی صادر شده است، مقداردهی اولیه کنید: 

    await Firebase.initializeApp(
  options: DefaultFirebaseOptions.currentPlatform,
);

  4. برنامه Flutter خود را بازسازی کنید: 

    flutter run

وحدت

  1. کیت توسعه نرم‌افزاری (SDK) مربوط به Firebase Unity را دانلود کنید، سپس SDK را در جایی مناسب استخراج کنید.

    کیت توسعه نرم‌افزار (SDK) Firebase Unity پلتفرم خاصی نیست.

  2. در پروژه باز Unity خود، به مسیر Assets > Import Package > Custom Package بروید.

  3. از SDK استخراج‌شده، پکیج FirebaseAI را انتخاب کنید.

  4. در پنجره‌ی «وارد کردن بسته‌ی یونیتی» ، روی «وارد کردن» کلیک کنید.

  5. به کنسول Firebase برگردید، در گردش کار تنظیمات، روی Next کلیک کنید.

مرحله ۳ : سرویس را مقداردهی اولیه کنید و یک نمونه مدل ایجاد کنید

برای مشاهده محتوا و کد مخصوص ارائه‌دهنده در این صفحه، روی ارائه‌دهنده API Gemini خود کلیک کنید.

قبل از ارسال اعلان به مدل Gemini ، سرویس را برای ارائه‌دهنده API انتخابی خود مقداردهی اولیه کنید و یک نمونه GenerativeModel ایجاد کنید.

سویفت 


import FirebaseAI

// Initialize the Gemini Developer API backend service
let ai = FirebaseAI.firebaseAI(backend: .googleAI())

// Create a `GenerativeModel` instance with a model that supports your use case
let model = ai.generativeModel(modelName: "gemini-2.5-flash")

Kotlin 


// Initialize the Gemini Developer API backend service
// Create a `GenerativeModel` instance with a model that supports your use case
val model = Firebase.ai(backend = GenerativeBackend.googleAI())
                        .generativeModel("gemini-2.5-flash")

Java 


// Initialize the Gemini Developer API backend service
// Create a `GenerativeModel` instance with a model that supports your use case
GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.googleAI())
        .generativeModel("gemini-2.5-flash");

// Use the GenerativeModelFutures Java compatibility layer which offers
// support for ListenableFuture and Publisher APIs
GenerativeModelFutures model = GenerativeModelFutures.from(ai);

Web 


import { initializeApp } from "firebase/app";
import { getAI, getGenerativeModel, GoogleAIBackend } from "firebase/ai";

// TODO(developer) Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
  // ...
};

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

// Initialize the Gemini Developer API backend service
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });

// Create a `GenerativeModel` instance with a model that supports your use case
const model = getGenerativeModel(ai, { model: "gemini-2.5-flash" });

Dart 


import 'package:firebase_ai/firebase_ai.dart';
import 'package:firebase_core/firebase_core.dart';
import 'firebase_options.dart';

// Initialize FirebaseApp
await Firebase.initializeApp(
  options: DefaultFirebaseOptions.currentPlatform,
);

// Initialize the Gemini Developer API backend service
// Create a `GenerativeModel` instance with a model that supports your use case
final model =
      FirebaseAI.googleAI().generativeModel(model: 'gemini-2.5-flash');

وحدت 


using Firebase;
using Firebase.AI;

// Initialize the Gemini Developer API backend service
var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI());

// Create a `GenerativeModel` instance with a model that supports your use case
var model = ai.GetGenerativeModel(modelName: "gemini-2.5-flash");

توجه داشته باشید که بسته به قابلیتی که استفاده می‌کنید، ممکن است همیشه یک نمونه GenerativeModel ایجاد نکنید .

همچنین، پس از اتمام این راهنمای شروع به کار، یاد بگیرید که چگونه یک مدل برای مورد استفاده و برنامه خود انتخاب کنید.

مرحله ۴ : ارسال درخواست سریع به یک مدل

اکنون آماده‌اید تا یک درخواست سریع به یک مدل Gemini ارسال کنید.

می‌توانید از generateContent() برای تولید متن از یک اعلان که حاوی متن است استفاده کنید:

سویفت 


import FirebaseAI

// Initialize the Gemini Developer API backend service
let ai = FirebaseAI.firebaseAI(backend: .googleAI())

// Create a `GenerativeModel` instance with a model that supports your use case
let model = ai.generativeModel(modelName: "gemini-2.5-flash")

// Provide a prompt that contains text
let prompt = "Write a story about a magic backpack."

// To generate text output, call generateContent with the text input
let response = try await model.generateContent(prompt)
print(response.text ?? "No text in response.")

Kotlin

برای کاتلین، متدهای موجود در این SDK توابع suspend هستند و باید از یک scope کوروتین فراخوانی شوند. 

// Initialize the Gemini Developer API backend service
// Create a `GenerativeModel` instance with a model that supports your use case
val model = Firebase.ai(backend = GenerativeBackend.googleAI())
                        .generativeModel("gemini-2.5-flash")

// Provide a prompt that contains text
val prompt = "Write a story about a magic backpack."

// To generate text output, call generateContent with the text input
val response = model.generateContent(prompt)
print(response.text)

Java

برای جاوا، متدهای موجود در این SDK یک ListenableFuture برمی‌گردانند. 

// Initialize the Gemini Developer API backend service
// Create a `GenerativeModel` instance with a model that supports your use case
GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.googleAI())
        .generativeModel("gemini-2.5-flash");

// Use the GenerativeModelFutures Java compatibility layer which offers
// support for ListenableFuture and Publisher APIs
GenerativeModelFutures model = GenerativeModelFutures.from(ai);

// Provide a prompt that contains text
Content prompt = new Content.Builder()
    .addText("Write a story about a magic backpack.")
    .build();

// To generate text output, call generateContent with the text input
ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        String resultText = result.getText();
        System.out.println(resultText);
    }

    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

Web 


import { initializeApp } from "firebase/app";
import { getAI, getGenerativeModel, GoogleAIBackend } from "firebase/ai";

// TODO(developer) Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
  // ...
};

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

// Initialize the Gemini Developer API backend service
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });

// Create a `GenerativeModel` instance with a model that supports your use case
const model = getGenerativeModel(ai, { model: "gemini-2.5-flash" });

// Wrap in an async function so you can use await
async function run() {
  // Provide a prompt that contains text
  const prompt = "Write a story about a magic backpack."

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

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

run();

Dart 


import 'package:firebase_ai/firebase_ai.dart';
import 'package:firebase_core/firebase_core.dart';
import 'firebase_options.dart';

// Initialize FirebaseApp
await Firebase.initializeApp(
  options: DefaultFirebaseOptions.currentPlatform,
);

// Initialize the Gemini Developer API backend service
// Create a `GenerativeModel` instance with a model that supports your use case
final model =
      FirebaseAI.googleAI().generativeModel(model: 'gemini-2.5-flash');

// Provide a prompt that contains text
final prompt = [Content.text('Write a story about a magic backpack.')];

// To generate text output, call generateContent with the text input
final response = await model.generateContent(prompt);
print(response.text);

وحدت 


using Firebase;
using Firebase.AI;

// Initialize the Gemini Developer API backend service
var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI());

// Create a `GenerativeModel` instance with a model that supports your use case
var model = ai.GetGenerativeModel(modelName: "gemini-2.5-flash");

// Provide a prompt that contains text
var prompt = "Write a story about a magic backpack.";

// To generate text output, call GenerateContentAsync with the text input
var response = await model.GenerateContentAsync(prompt);
UnityEngine.Debug.Log(response.Text ?? "No text in response.");

چه کار دیگری می‌توانید انجام دهید؟

درباره مدل‌های پشتیبانی‌شده بیشتر بدانید

درباره مدل‌های موجود برای موارد استفاده مختلف و سهمیه‌ها و قیمت‌گذاری آنها اطلاعات کسب کنید.

قابلیت‌های دیگر را امتحان کنید

آموزش کنترل تولید محتوا

شما همچنین می‌توانید با استفاده از دستورات و پیکربندی‌های مدل، آزمایش کنید و حتی یک قطعه کد تولید شده با استفاده از Google AI Studio دریافت کنید.


درباره تجربه خود با Firebase AI Logic بازخورد دهید