وقتی آماده راه‌اندازی برنامه خود هستید و کاربران نهایی واقعی با ویژگی‌های هوش مصنوعی مولد شما تعامل دارند، حتماً این چک لیست از بهترین شیوه‌ها و ملاحظات مهم را مرور کنید.
ژنرال
چک لیست راه اندازی کلی را برای برنامه هایی که از Firebase استفاده می کنند مرور کنید
این چک لیست راه اندازی Firebase بهترین شیوه های مهم را قبل از راه اندازی هر برنامه Firebase برای تولید توصیف می کند.
مطمئن شوید که پروژه های Firebase شما از بهترین شیوه ها پیروی می کنند
به عنوان مثال، مطمئن شوید که از پروژه های مختلف Firebase برای توسعه، آزمایش و تولید استفاده می کنید. بهترین شیوه های بیشتر برای مدیریت پروژه های خود را مرور کنید.
دسترسی و امنیت
چک لیست امنیتی عمومی را برای برنامه هایی که از Firebase استفاده می کنند مرور کنید
این چک لیست امنیتی بهترین شیوه های مهم برای دسترسی و امنیت برنامه ها و سرویس های Firebase را شرح می دهد.
اجرای Firebase App Check شروع کنید
App Check با تأیید اینکه درخواست‌ها از برنامه واقعی شما هستند، به محافظت از Vertex AI Gemini API کمک می‌کند. از ارائه دهندگان گواهی برای پلتفرم های اپل (DeviceCheck یا App Attest)، اندروید (Play Integrity) و وب (reCAPTCHA Enterprise) پشتیبانی می کند.
محدودیت‌هایی را برای کلیدهای API Firebase خود تنظیم کنید
فهرست مجاز «محدودیت‌های API» کلیدهای Firebase API را مرور کنید:
مطمئن شوید که Vertex AI in Firebase API در لیست مجاز است.
مطمئن شوید که تنها APIهای دیگر در لیست مجاز کلید مربوط به سرویس‌های Firebase است که در برنامه خود استفاده می‌کنید. فهرستی را ببینید که کدام API باید در لیست مجاز برای هر محصول باشد .
Set "Application restrictions" to help restrict usage of each Firebase API key to only requests from your app (for example, a matching bundle ID for the Apple app). توجه داشته باشید که حتی اگر کلید خود را محدود کنید، Firebase App Check همچنان قویاً توصیه می‌شود.
توجه داشته باشید که API های مرتبط با Firebase از کلیدهای API فقط برای شناسایی پروژه یا برنامه Firebase استفاده می کنند، نه برای مجوز برای فراخوانی API.
API های استفاده نشده را در پروژه Firebase خود غیرفعال کنید
برای مثال، اگر ابتدا Gemini API با استفاده از Google AI Studio امتحان کردید، اکنون می‌توانید Generative Language API را غیرفعال کنید. اکنون برنامه شما از Vertex AI in Firebase استفاده می‌کند که به جای آن به Vertex AI API و Vertex AI in Firebase API متکی است.
صورتحساب و سهمیه
سهمیه های خود را برای API های اساسی مورد نیاز بررسی کنید
استفاده از Vertex AI in Firebase به دو API نیاز دارد: Vertex AI API و Vertex AI in Firebase API.
سهمیه هر API کمی متفاوت اندازه گیری می شود، به این معنی که می توان از آنها برای اهداف مختلف استفاده کرد. برای ملاحظات مهم، به درک سهمیه برای هر API مراجعه کنید.
توجه داشته باشید که سهمیه ها نیز بر اساس مدل و منطقه متغیر هستند، بنابراین مطمئن شوید که سهمیه های شما بر اساس آن برای کاربران و موارد استفاده شما تنظیم شده است.
همچنین می‌توانید سهمیه را ویرایش کنید یا در صورت نیاز درخواست افزایش سهمیه کنید .
از صورت‌حساب‌های غافلگیرکننده خودداری کنید
به عنوان بهترین روش برای تولید، استفاده خود را نظارت کنید و هشدارهای بودجه را تنظیم کنید .
مدیریت تنظیمات
از یک نسخه مدل پایدار در برنامه تولیدی خود استفاده کنید
در برنامه تولیدی خود، فقط از نسخه های مدل پایدار (مانند gemini-1.5-flash-002 ) استفاده کنید، نه نسخه پیش نمایش یا نسخه به روز شده خودکار .
حتی اگر یک نسخه به روز شده خودکار به یک نسخه پایدار اشاره می کند، نسخه مدل واقعی که به آن اشاره می کند به طور خودکار هر زمان که یک نسخه پایدار جدید منتشر شود تغییر می کند، که می تواند به معنای رفتار یا پاسخ های غیرمنتظره باشد. همچنین، نسخه‌های پیش‌نمایش تنها در هنگام نمونه‌سازی توصیه می‌شوند.
همچنین قویاً توصیه می کنیم از Firebase Remote Config برای کنترل و به روز رسانی نام مدل استفاده شده در برنامه خود استفاده کنید (برای جزئیات به بخش بعدی مراجعه کنید).
Firebase Remote Config تنظیم و استفاده کنید
با Remote Config ، می‌توانید پیکربندی‌های مهم ویژگی هوش مصنوعی مولد خود را در فضای ابری به جای مقادیر کدگذاری سخت در کد خود کنترل کنید. این بدان معنی است که می توانید بدون انتشار نسخه جدیدی از برنامه خود، پیکربندی خود را به روز کنید. با Remote Config می‌توانید کارهای زیادی انجام دهید، اما در اینجا مقادیر بالایی وجود دارد که توصیه می‌کنیم برای ویژگی هوش مصنوعی خود از راه دور کنترل کنید:
برنامه خود را به روز نگه دارید.
- نام مدل : مدلی را که برنامه‌تان استفاده می‌کند به‌روزرسانی کنید، زیرا مدل‌های جدید منتشر می‌شوند یا مدل‌های دیگر متوقف می‌شوند.
مقادیر و ورودی‌ها را بر اساس ویژگی‌های مشتری، یا برای تطبیق با بازخورد آزمایش یا کاربران، تنظیم کنید.
پیکربندی مدل : دما، حداکثر نشانه‌های خروجی و موارد دیگر را تنظیم کنید.
تنظیمات ایمنی : اگر پاسخ‌های زیادی مسدود می‌شوند یا کاربران پاسخ‌های مضر را گزارش می‌کنند، تنظیمات ایمنی را تنظیم کنید.
دستورالعمل‌های سیستم و هرگونه درخواستی که ارائه می‌کنید : زمینه اضافی را که برای مدل ارسال می‌کنید تنظیم کنید تا پاسخ‌ها و رفتار آن را هدایت کند. به عنوان مثال، ممکن است بخواهید درخواست‌هایی را برای انواع مشتری خاص تنظیم کنید، یا درخواست‌هایی را برای کاربران جدید شخصی‌سازی کنید که با مواردی که برای ایجاد پاسخ برای کاربران فعلی استفاده می‌شوند متفاوت است.
همچنین می‌توانید به‌صورت اختیاری یک پارامتر minimum_version را در Remote Config تنظیم کنید تا نسخه فعلی برنامه را با آخرین نسخه تعریف‌شده Remote Config مقایسه کنید تا اعلان ارتقا را به کاربران نشان دهید یا کاربران را مجبور به ارتقا کنید.
مکان اجرای سرویس Vertex AI و دسترسی به یک مدل را تنظیم کنید
تنظیم یک مکان می تواند به هزینه ها کمک کند و همچنین به جلوگیری از تاخیر برای کاربران شما کمک کند.
اگر مکانی را مشخص نکنید، پیش‌فرض us-central1 است. می‌توانید این مکان را در حین تنظیم اولیه تنظیم کنید، یا می‌توانید به صورت اختیاری Firebase Remote Config برای تغییر پویا مکان براساس مکان هر کاربر استفاده کنید .