Wenn Sie Ihre App einführen und echte Endnutzer mit Ihren generativen KI-Funktionen interagieren lassen möchten, sollten Sie diese Checkliste mit Best Practices und wichtigen Überlegungen durchgehen.
Allgemein
Allgemeine Checkliste für den Start von Apps, die Firebase verwenden
Diese Firebase-Start-Checkliste enthält wichtige Best Practices, die Sie vor dem Start einer Firebase-App in der Produktion beachten sollten.
Best Practices für Firebase-Projekte beachten
Verwenden Sie beispielsweise unterschiedliche Firebase-Projekte für Entwicklung, Tests und Produktion. Weitere Best Practices für die Projektverwaltung
Zugriff und Sicherheit
Allgemeine Sicherheits-Checkliste für Apps, die Firebase verwenden
In dieser Sicherheits-Checkliste werden wichtige Best Practices für den Zugriff und die Sicherheit von Firebase-Apps und -Diensten beschrieben.
Start der Durchsetzung Firebase App Check
App Check schützt die APIs, die auf die Modelle Gemini und Imagen zugreifen, indem überprüft wird, ob Anfragen von Ihrer tatsächlichen App stammen. Es unterstützt Attestierungsanbieter für Apple-Plattformen (DeviceCheck oder App Attest), Android (Play Integrity) und das Web (reCAPTCHA Enterprise).
Einschränkungen für Ihre Firebase-API-Schlüssel einrichten
Prüfen Sie die Zulassungsliste der API-Einschränkungen für jeden Firebase-API-Schlüssel:
Prüfen Sie, ob die Firebase AI Logic API auf der Zulassungsliste steht.
Achten Sie darauf, dass die Zulassungsliste des Schlüssels nur andere APIs für Firebase-Dienste enthält, die Sie in Ihrer App verwenden. Hier finden Sie eine Liste der APIs, die für jedes Produkt auf der Zulassungsliste stehen müssen.
Legen Sie Anwendungseinschränkungen fest, um die Nutzung der einzelnen Firebase-API-Schlüssel auf Anfragen aus Ihrer App zu beschränken (z. B. eine übereinstimmende Bundle-ID für die Apple-App). Auch wenn Sie Ihren Schlüssel einschränken, wird Firebase App Check dringend empfohlen.
Bei Firebase-bezogenen APIs werden API-Schlüssel nur zur Identifizierung des Firebase-Projekts oder der App verwendet, nicht zur Autorisierung für den Aufruf der API.
Abrechnung, Monitoring und Kontingente
Überraschungsrechnungen vermeiden
Wenn für Ihr Firebase-Projekt der Blaze-Tarif (Pay as you go) gilt, sollten Sie Ihre Nutzung im Blick behalten und Budgetbenachrichtigungen einrichten.
KI-Monitoring in der Firebase-Konsole einrichten
| Nur verfügbar, wenn Sie Vertex AI Gemini API als API-Anbieter verwenden. |
Richten Sie die KI-Überwachung ein, um verschiedene Messwerte und Dashboards in der Firebase-Konsole zu beobachten und so umfassende Informationen zu Ihren Anfragen über die Firebase AI Logic-SDKs zu erhalten.
Kontingente für die erforderlichen zugrunde liegenden APIs prüfen
Machen Sie sich mit den Kontingenten für jede erforderliche API vertraut.
Ratenlimits pro Nutzer festlegen (Standardwert: 100 RPM).
Bearbeiten Sie das Kontingent oder fordern Sie eine Kontingenterhöhung an.
Konfigurationen verwalten
Stabile Modellversion in Ihrer Produktions-App verwenden
Verwenden Sie in Ihrer Produktions-App nur stabile Modellversionen (z. B. gemini-2.0-flash-001), keine Vorschau- oder Testversion oder einen automatisch aktualisierten Alias.
Auch wenn ein automatisch aktualisierter stabiler Alias auf eine stabile Version verweist, ändert sich die tatsächliche Modellversion, auf die er verweist, automatisch, wenn eine neue stabile Version veröffentlicht wird. Dies kann zu unerwartetem Verhalten oder unerwarteten Antworten führen. Vorschauversionen und Testversionen werden nur während der Prototyperstellung empfohlen.
Firebase Remote Config einrichten und verwenden
Mit Remote Config können Sie wichtige Konfigurationen für Ihre generative KI-Funktion in der Cloud steuern, anstatt Werte in Ihrem Code fest zu codieren. Das bedeutet, dass Sie Ihre Konfiguration aktualisieren können, ohne eine neue Version Ihrer App zu veröffentlichen. Mit Remote Config können Sie viel tun. Hier sind die wichtigsten Werte, die Sie für Ihre Funktion mit generativer KI remote steuern sollten:
Halten Sie Ihre App auf dem neuesten Stand.
- Modellname: Aktualisieren Sie das Modell, das von Ihrer App verwendet wird, wenn neue Modelle veröffentlicht oder andere eingestellt werden.
Passen Sie Werte und Eingaben basierend auf Kundenattributen oder Feedback aus Tests oder von Nutzern an.
Modellkonfiguration: Passen Sie die Temperatur, die maximale Anzahl von Ausgabetokens und weitere Einstellungen an.
Sicherheitseinstellungen: Passen Sie die Sicherheitseinstellungen an, wenn zu viele Antworten blockiert werden oder Nutzer schädliche Antworten melden.
Systemanweisungen und alle von Ihnen bereitgestellten Prompts: Passen Sie den zusätzlichen Kontext an, den Sie an das Modell senden, um seine Antworten und sein Verhalten zu steuern. Sie möchten vielleicht Prompts für bestimmte Kundentypen anpassen oder Prompts für neue Nutzer personalisieren, die sich von denen unterscheiden, die zum Generieren von Antworten für bestehende Nutzer verwendet werden.
Optional können Sie auch einen minimum_version-Parameter in Remote Config festlegen, um die aktuelle Version der App mit der in Remote Config definierten neuesten Version zu vergleichen. So können Sie Nutzern entweder eine Benachrichtigung zum Upgrade anzeigen oder sie zum Upgrade zwingen.
Ort für den Zugriff auf das Modell festlegen
| Nur verfügbar, wenn Sie Vertex AI Gemini API als API-Anbieter verwenden. |
Wenn Sie einen Standort für den Zugriff auf das Modell festlegen, können Sie Kosten senken und Latenz für Ihre Nutzer vermeiden.
Wenn Sie keinen Standort angeben, ist der Standardwert us-central1. Sie können diesen Ort bei der Initialisierung festlegen oder optional Firebase Remote Config verwenden, um den Ort dynamisch basierend auf dem Standort des jeweiligen Nutzers zu ändern.