Quando chiami Gemini API dalla tua app utilizzando un SDK Firebase AI Logic, la richiesta contiene una serie di parametri che controllano le risposte dell'IA generativa. Di solito includono il nome del modello, la configurazione di generazione del modello (token massimi, temperatura e così via), le impostazioni di sicurezza, le istruzioni di sistema e i dati del prompt.
Nella maggior parte dei casi, ti consigliamo di modificarli on demand o in base alle esigenze per una serie di scenari:
- Aggiorna il tuo modello di IA generativa senza rilasciare una nuova app. Puoi eseguire l'upgrade a versioni di modelli più recenti e stabili prima che le versioni precedenti vengano ritirate, passare a modelli a basso costo o con prestazioni più elevate in base alle esigenze e agli attributi dei tuoi utenti oppure implementare in modo condizionale i modelli più recenti e avanzati in segmenti di utenti specifici (come i beta tester).
- Imposta la posizione da cui accedi al modello in modo che sia più vicina ai tuoi utenti.
- Esegui test A/B su istruzioni e prompt di sistema diversi, quindi implementa gradualmente i valori dell'esperimento vincente per gli utenti.
- Utilizza i flag funzionalità per mostrare o nascondere rapidamente le funzionalità di IA generativa nella tua app.
Firebase Remote Config fa tutto questo e altro ancora, consentendoti di aggiornare i valori dei parametri in base alle esigenze e in modo condizionale per le istanze dell'app che corrispondono alle caratteristiche impostate nella console Firebase, senza rilasciare una nuova versione dell'app.
Questa guida alla soluzione fornisce casi d'uso consigliati specifici e descrive come aggiungere Remote Config alla tua app di IA generativa.
Vai all'implementazione del codice
Perché utilizzare Firebase Remote Config con la tua app?
Firebase Remote Config ti consente di modificare dinamicamente il comportamento della tua app senza richiedere aggiornamenti dell'app. Questo è particolarmente utile per le app che utilizzano l'IA generativa, in cui l'iterazione rapida e la messa a punto sono fondamentali.
Casi d'uso essenziali per Remote Config con app di IA generativa
Ti consigliamo di utilizzare Remote Config con Firebase AI Logic per i seguenti casi d'uso essenziali:
Esegui l'upgrade alla versione più recente del modello senza aggiornare l'app: utilizza i parametri Remote Config per modificare il nome del modello in base alle esigenze, in modo da poter eseguire l'upgrade alla versione più recente del tuo preferito Gemini modello non appena sarà disponibile.
Aggiorna le istruzioni di sistema e le impostazioni di sicurezza senza un aggiornamento dell'app: memorizza le istruzioni di sistema e le impostazioni di sicurezza all'interno dei parametri Remote Config per assicurarti di poterle modificare in base alle esigenze se riscontri problemi dopo il deployment.
Riduci i rischi e applica la sicurezza dell'IA: utilizza Remote Config i rollout per rilasciare in modo sicuro e graduale le modifiche dell'IA generativa agli utenti iOS e Android.
Casi d'uso avanzati e consigliati per Remote Config con app di IA generativa
Dopo aver strumentato l'app con Remote Config e Google Analytics, puoi esplorare casi d'uso avanzati:
Imposta la località in base alla posizione del client: utilizza le condizioni Remote Config per impostare la località in cui accedi al modello in base alla posizione rilevata del client.
Sperimenta con diversi modelli: puoi testare e passare rapidamente da un modello di AI generativa all'altro o persino accedere a modelli diversi per segmenti di utenti diversi per trovare quello più adatto al tuo caso d'uso specifico.
Ottimizza le prestazioni del modello: perfeziona i parametri del modello, come il prompt del sistema, i token di output massimi, la temperatura e altre impostazioni.
Utilizza istruzioni di sistema, prompt e configurazione del modello diversi in base agli attributi del cliente: quando utilizzi Remote Config con Google Analytics, puoi creare condizioni in base agli attributi del cliente o ai segmenti di pubblico personalizzati e impostare parametri diversi in base a questi attributi.
Ad esempio, se utilizzi l'IA generativa per fornire assistenza tecnica nella tua app, ti consigliamo di impostare istruzioni di sistema specifiche per la piattaforma dell'app per assicurarti che vengano fornite istruzioni accurate agli utenti delle piattaforme Android, iOS e web.
Personalizza le esperienze per ogni utente: utilizza la Remote Config personalizzazione con le tue app e i tuoi giochi per dispositivi mobili per determinare automaticamente le impostazioni ottimali dell'IA generativa per ogni utente.
Controlla i costi: modifica da remoto i modelli di IA generativa richiamati, la frequenza con cui vengono utilizzati e configura dinamicamente i valori massimi dei token di output in base al pubblico degli utenti per ridurre i costi non necessari.
Ottimizza l'esperienza e i risultati dell'app: utilizza A/B Testing con Remote Config con le tue app e i tuoi giochi mobile per testare le modifiche ai parametri dell'IA generativa in diversi segmenti di utenti per vedere in che modo influiscono su metriche chiave come fidelizzazione ed entrate.
Se esegui l'instrumentazione della tua app di IA generativa con Firebase Remote Config, puoi creare applicazioni basate sull'IA flessibili, sicure ed economiche, nonché esperienze piacevoli per i tuoi utenti.
Aggiungere Firebase Remote Config all'app
In questa guida alla soluzione, utilizzerai Firebase Remote Config per aggiornare dinamicamente i parametri nella tua app per Android che utilizzano l'SDK Firebase AI Logic. Imparerai come:
- Recupera e attiva parametri come i nomi dei modelli e le istruzioni di sistema da Firebase Remote Config.
- Aggiorna le chiamate Gemini API per utilizzare i parametri recuperati dinamicamente, in modo da poter passare da un modello all'altro o modificare le istruzioni di sistema senza un aggiornamento dell'app.
- Controlla i parametri da remoto, regolando il comportamento e le funzionalità del modello in base alle esigenze.
Prerequisiti
Questa guida presuppone che tu abbia familiarità con lo sviluppo di app per la tua piattaforma.
Prima di iniziare, assicurati di:
Completa la guida introduttiva di Firebase AI Logic, che descrive come configurare il progetto Firebase, collegare l'app a Firebase, aggiungere l'SDK, inizializzare il servizio di backend per il provider "Gemini API" scelto e creare un'istanza del modello.
Abilita Google Analytics nel tuo progetto Firebase e aggiungi il relativo SDK alla tua app (obbligatorio per il targeting condizionale, ad esempio l'impostazione della posizione in cui accedi al modello in base alla posizione del dispositivo client).
Passaggio 1: imposta i valori dei parametri nella console Firebase
Crea un modello Remote Config client e configura i parametri e i valori da recuperare e utilizzare nell'app.
- Apri il progetto Firebase nella console Firebase. Quindi, nel menu di navigazione, espandi Esegui e seleziona Remote Config.
- Assicurati che Client sia selezionato nel selettore Client/Server nella parte superiore della pagina.
- Avvia un modello di cliente facendo clic su Crea configurazione (o su Aggiungi parametro se hai già utilizzato modelli di cliente).
Definisci i parametri da controllare con Remote Config. Ad esempio:
Nome parametro Descrizione Tipo Valore predefinito model_name
Nome del modello. Consulta i nomi dei modelli disponibili. Stringa gemini-2.0-flash
system_instructions
Le istruzioni di sistema sono come un "preambolo" che aggiungi prima che il modello venga esposto ad altre istruzioni dell'utente finale per influenzarne il comportamento. Stringa You are a helpful assistant who knows everything there is to know about Firebase!
prompt
Prompt predefinito da utilizzare con la funzionalità di IA generativa. Stringa I am a developer who wants to know more about Firebase!
vertex_location
Applicabile solo se utilizzi Vertex AI Gemini API.
Controlla la posizione per accedere al modello. Puoi impostare condizioni per configurare questa opzione in base alla posizione del client rilevata da Google Analytics.Stringa us-central1
Al termine dell'aggiunta dei parametri, fai clic su Pubblica modifiche. Se non si tratta di un nuovo modello Remote Config, rivedi le modifiche e fai di nuovo clic su Pubblica modifiche.
Passaggio 2: aggiungi e inizializza Remote Config nella tua app
Aggiungi la libreria Remote Config e configura Remote Config all'interno della tua app.
Swift
Nell'ambito della configurazione di Firebase AI Logic, hai già aggiunto l'SDK Firebase alla tua app, ma dovrai anche aggiungere Remote Config.
In Xcode, con il progetto aperto, vai a File > Aggiungi dipendenze del pacchetto.
Seleziona firebase-ios-sdk e poi fai clic su Aggiungi pacchetto.
Nel riquadro di navigazione del progetto, seleziona la tua app > Target > la tua app.
Nella scheda Generale, scorri fino a Framework, librerie e contenuti incorporati.
Fai clic su + e scegli FirebaseRemoteConfig, quindi fai clic su Aggiungi.
Aggiungi l'importazione
FirebaseRemoteConfig
al codice:import FirebaseRemoteConfig
All'interno della classe appropriata per la tua app, inizializza Firebase e aggiungiRemote Config alla logica di applicazione principale.
Qui dovrai includere Remote Config e l'ascoltatore in tempo reale Remote Config come importazioni in modo che l'app possa recuperare nuovi valori in tempo reale e aggiungere un intervallo di recupero minimo:
let remoteConfig = RemoteConfig.remoteConfig() let settings = RemoteConfigSettings() settings.minimumFetchInterval = 3600 remoteConfig.configSettings = settings
Nell'app di avvio rapido, questo valore si trova all'interno di
VertexAISampleApp
, all'interno della classeAppDelegate
.
Kotlin
Aggiungi la dipendenza Remote Config al file Gradle del modulo (a livello di app) (di solito
app/build.gradle.kts
oapp/build.gradle
):dependencies { implementation(platform("com.google.firebase:firebase-bom:33.14.0")) implementation("com.google.firebase:firebase-ai") implementation("com.google.firebase:firebase-config") // ... other dependencies }
Aggiungi Remote Config alla logica di applicazione principale. Qui, inizierai a eseguire l'inizializzazione di Remote Config e aggiungerai un intervallo di recupero minimo:
val remoteConfig: FirebaseRemoteConfig = Firebase.remoteConfig val configSettings = remoteConfigSettings { minimumFetchIntervalInSeconds = 3600 } remoteConfig.setConfigSettingsAsync(configSettings)
Java
Aggiungi la dipendenza Remote Config al file Gradle del modulo (a livello di app) (di solito
app/build.gradle.kts
oapp/build.gradle
):dependencies { implementation(platform("com.google.firebase:firebase-bom:33.14.0")) implementation("com.google.firebase:firebase-ai") implementation("com.google.firebase:firebase-config") // ... other dependencies }
Aggiungi Remote Config alla logica di applicazione principale. Qui, inizierai a eseguire l'inizializzazione di Remote Config e aggiungerai un intervallo di recupero minimo:
FirebaseRemoteConfig mFirebaseRemoteConfig = FirebaseRemoteConfig.getInstance(); FirebaseRemoteConfigSettings configSettings = new FirebaseRemoteConfigSettings.Builder() .setMinimumFetchIntervalInSeconds(3600) .build(); mFirebaseRemoteConfig.setConfigSettingsAsync(configSettings);
Web
Apri il codice in un editor di testo e importa Remote Config:
import { getRemoteConfig } from 'firebase/remote-config';
All'interno della funzione principale e dopo l'inizializzazione dell'app Firebase per l'SDK Firebase AI Logic, inizializza Remote Config:
// Initialize Remote Config and get a reference to the service const remoteConfig = getRemoteConfig(app);
Imposta un intervallo di recupero minimo:
remoteConfig.settings.minimumFetchIntervalMillis = 3600000;
Dart
Dalla directory del progetto Flutter, installa e aggiungi Remote Config utilizzando il seguente comando:
flutter pub add firebase_remote_config
Apri
./lib/main.dart
e aggiungi l'importazione dopo le altre importazioni che hai aggiunto per supportare Firebase AI Logic:import 'package:firebase_vertexai/firebase_ai.dart'; import 'package:firebase_core/firebase_core.dart'; import 'package:firebase_remote_config/firebase_remote_config.dart';
Aggiungi le variabili
_modelName
,_systemInstructions
e_prompt
alla tua app in modo da poterle utilizzare in un secondo momento:late final String _modelName; late final String _systemInstructions; late final String _prompt;
Ottieni l'istanza dell'oggetto Remote Config e imposta l'intervallo di recupero minimo per consentire aggiornamenti frequenti. Assicurati di aggiungerlo dopo l'inizializzazione di Firebase.
final remoteConfig = FirebaseRemoteConfig.instance; await remoteConfig.setConfigSettings(RemoteConfigSettings( fetchTimeout: const Duration(seconds: 3600), minimumFetchInterval: const Duration(seconds: 3600), ));
Unity
Aggiungi Remote Config al tuo progetto Unity seguendo queste istruzioni.
Ottieni l'istanza dell'oggetto Remote Config e imposta l'intervallo di recupero minimo per consentire aggiornamenti frequenti. Assicurati di aggiungerlo dopo l'inizializzazione di Firebase.
var remoteConfig = FirebaseRemoteConfig.DefaultInstance; const int MillisecondsPerSecond = 1000; await remoteConfig.SetConfigSettingsAsync(new ConfigSettings() { FetchTimeoutInMilliseconds = 3600 * MillisecondsPerSecond, MinimumFetchIntervalInMilliseconds = 3600 * MillisecondsPerSecond });
Passaggio 3: imposta i valori dei parametri in-app
Devi impostare i valori predefiniti dei parametri in-app nell'oggetto Remote Config. In questo modo, la tua app si comporta come previsto anche se non riesce a recuperare i valori dal servizio Remote Config.
Swift
Nella console Firebase, apri Remote Config.
Nella scheda Parametri, apri il Menu e seleziona Scarica valori predefiniti.
Quando richiesto, attiva .plist per iOS, quindi fai clic su Scarica file.
Salva il file nella directory dell'applicazione.
Se utilizzi l'app di esempio, salvala in
FirebaseVertexAI/Sample/VertexAISample
.In Xcode, fai clic con il tasto destro del mouse sull'app e seleziona Aggiungi file.
Se utilizzi il Sample, fai clic con il tasto destro del mouse su VertexAISample e seleziona Aggiungi file a "VertexAISample".
Seleziona remote_config_defaults.plist, quindi fai clic su Aggiungi.
Aggiorna il codice dell'app in modo da fare riferimento al file predefiniti:
// Set default values remoteConfig.setDefaults(fromPlist: "remote_config_defaults")
Kotlin
Dalla console Firebase, apri Remote Config.
Nella scheda Parametri, apri il Menu e seleziona Scarica valori predefiniti.
Quando richiesto, attiva .xml per Android, quindi fai clic su Scarica file.
Salva il file nella directory delle risorse XML dell'app.
Aggiorna il file dell'attività principale per aggiungere i valori predefiniti dopo il
configSettings
aggiunto in precedenza:// Set default values. remoteConfig.setDefaultsAsync(R.xml.remote_config_defaults)
Java
Nella console Firebase, apri Remote Config.
Nella scheda Parametri, apri il Menu e seleziona Scarica valori predefiniti.
Quando richiesto, attiva .xml per Android, quindi fai clic su Scarica file.
Salva il file nella directory delle risorse XML dell'app.
Aggiorna il file dell'attività principale per aggiungere i valori predefiniti dopo il
configSettings
aggiunto in precedenza:// Set default values. mFirebaseRemoteConfig.setDefaultsAsync(R.xml.remote_config_defaults);
Web
Puoi impostare i valori predefiniti direttamente nel codice:
// Set default Remote Config parameter values
remoteConfig.defaultConfig = {
model_name: 'gemini-2.0-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',
};
Dart
Puoi impostare i valori predefiniti direttamente nel codice:
remoteConfig.setDefaults(const {
"model_name": "gemini-2.0-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"
});
Unity
Puoi impostare i valori predefiniti direttamente nel codice:
await remoteConfig.SetDefaultsAsync(
new System.Collections.Generic.Dictionary<string, object>() {
{ "model_name", "gemini-2.0-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" }
}
);
Passaggio 4: recupera e attiva i valori
Dopo aver impostato i valori predefiniti, aggiungi quanto segue per recuperare e attivare i valori.
Swift
// Fetch and activate Remote Config values
remoteConfig.fetchAndActivate { status, error in
if let error = error {
print("Error fetching Remote Config: \(error.localizedDescription)")
}
}
L'oggetto Remote Config dovrebbe essere aggiornato ogni volta che viene pubblicato un nuovo Remote Config modello.
Kotlin
// Fetch and activate Remote Config values
remoteConfig.fetchAndActivate()
.addOnCompleteListener(this) { task ->
if (task.isSuccessful) {
val updated = task.result
Log.d(TAG, "Remote Config values fetched and activated: $updated")
} else {
Log.e(TAG, "Error fetching Remote Config", task.exception)
}
}
Java
// Fetch and activate Remote Config values
mFirebaseRemoteConfig.fetchAndActivate()
.addOnCompleteListener(this, new OnCompleteListener<Boolean>() {
@Override
public void onComplete(@NonNull Task<Boolean> task) {
if (task.isSuccessful()) {
boolean updated = task.getResult();
Log.d(TAG, "Config params updated: " + updated);
} else {
Log.e(TAG, "Error fetching Remote Config", task.exception)
}
}
});
Web
Aggiungi
getValue
efetchAndActivate
alle importazioni:import { getValue, fetchAndActivate } from 'firebase/remote-config';
Dopo il codice che hai aggiunto per configurare i valori predefiniti di Remote Config, recupera e attiva la configurazione, quindi assegna i valori alle costanti
modelName
,systemInstructions
,prompt
evertexLocation
.// 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();
Dart
// Fetch and activate Remote Config.
remoteConfig.fetchAndActivate();
// Assign Remote Config values.
String? _modelName = remoteConfig.getString("model_name");
String? _systemInstructions = remoteConfig.getString("system_instructions");
String? _prompt = remoteConfig.getString("prompt");
String? _vertexLocation = remoteConfig.getString("vertex_location");
Unity
// Fetch and activate Remote Config values.
await remoteConfig.FetchAndActivateAsync();
Passaggio 5: aggiungi un ascoltatore Remote Config in tempo reale
Aggiungi un ascoltatore Remote Config in tempo reale alla tua app per assicurarti che le modifiche apportate al modello Remote Config vengano propagate al client non appena vengono aggiornate.
Il seguente codice aggiorna l'oggetto Remote Config ogni volta che un valore del parametro cambia.
Swift
// Add real-time Remote Config
remoteConfig.addOnConfigUpdateListener { configUpdate, error in
guard let configUpdate = configUpdate, error == nil else {
print("Error listening for config updates: \(error?.localizedDescription ?? "No error available")")
return
}
print("Updated keys: \(configUpdate.updatedKeys)")
remoteConfig.activate { changed, error in
guard error == nil else {
print("Error activating config: \(error?.localizedDescription ?? "No error available")")
return
}
print("Activated config successfully")
}
}
Kotlin
Facoltativamente, puoi anche configurare un'azione all'interno dell'attivazione addOnCompleteListener
:
// Add a real-time Remote Config listener
remoteConfig.addOnConfigUpdateListener(object : ConfigUpdateListener {
override fun onUpdate(configUpdate : ConfigUpdate) {
Log.d(ContentValues.TAG, "Updated keys: " + configUpdate.updatedKeys);
remoteConfig.activate().addOnCompleteListener {
// Optionally, add an action to perform on update here.
}
}
override fun onError(error : FirebaseRemoteConfigException) {
Log.w(ContentValues.TAG, "Config update error with code: " + error.code, error)
}
}
Java
Facoltativamente, puoi anche configurare un'azione all'interno dell'attivazione addOnCompleteListener
:
// Add a real-time Remote Config listener
remoteConfig.addOnConfigUpdateListener(new ConfigUpdateListener() {
@Override
public void onUpdate(ConfigUpdate configUpdate) {
Log.d(ContentValues.TAG, "Updated keys: " + configUpdate.getUpdatedKeys());
remoteConfig.activate().addOnCompleteListener(new OnCompleteListener<Boolean>() {
@Override
public void onComplete(@NonNull Task<Boolean> task) {
// Optionally, add an action to perform on update here.
}
});
}
@Override
public void onError(FirebaseRemoteConfigException error) {
Log.w(ContentValues.TAG, "Config update error with code: " + error.getCode(), error);
}
});
Web
I listener Remote Config in tempo reale non sono supportati per le app web.
Dart
// Add a real-time Remote Config listener
remoteConfig.onConfigUpdated.listen((event) async {
await remoteConfig.activate();
});
Unity
// Add a real-time Remote Config listener to automatically update whenever
// a new template is published.
// Note: the parameters can be anonymous as they are unused.
remoteConfig.OnConfigUpdateListener += (_, _) => {
remoteConfig.ActivateAsync();
};
Passaggio 6: aggiorna le richieste Gemini API in modo da utilizzare i valori Remote Config
Fai clic sul tuo fornitore Gemini API per visualizzare i contenuti e il codice specifici del fornitore in questa pagina. |
Ora che Remote Config è completamente configurato, aggiorna il codice per sostituire i valori hardcoded con i valori provenienti da Remote Config.
Swift
// Initialize the Gemini Developer API backend service
// The Gemini Developer API doesn't support setting the location of a model
let ai = FirebaseAI.firebaseAI(backend: .googleAI())
// Create a `GenerativeModel` and add system instructions into its config
// Both the model name and the system instructions will be sourced from Remote Config
let modelName = remoteConfig.configValue(forKey: "model_name").stringValue
let systemInstructions = remoteConfig.configValue(forKey: "system_instructions").stringValue
let model = ai.generativeModel(
modelName: modelName,
systemInstruction: ModelContent(role: "system", parts: systemInstructions)
)
// Provide a prompt that contains text
// The text in the prompt will be sourced from Remote Config
let userPrompt = remoteConfig.configValue(forKey: "prompt").stringValue
// To generate text output, call `generateContent` with the text input
let response = try await model.generateContent(userPrompt)
if let text = response.text {
print(text)
}
Kotlin
// Initialize the Gemini Developer API backend service
// The Gemini Developer API doesn't support setting the location of a model
val ai = Firebase.ai(backend = GenerativeBackend.googleAI())
// Create a `GenerativeModel` and add system instructions into its config
// Both the model name and the system instructions will be sourced from Remote Config
val model = ai.generativeModel(
modelName = remoteConfig.getString("model_name"),
systemInstruction = content { text(remoteConfig.getString("system_instructions")) }
)
// To generate text output, call `generateContent` with the text input
// The text in the prompt will be sourced from Remote Config
val response = model.generateContent(remoteConfig.getString("prompt"))
print(response.text)
Java
// Initialize the Gemini Developer API backend service
// The Gemini Developer API doesn't support setting the location of a model
FirebaseAI ai = FirebaseAI.getInstance(GenerativeBackend.googleAI());
// Create a `GenerativeModel` and add system instructions into its config
// Both the model name and the system instructions will be sourced from Remote Config
GenerativeModel gm = ai.generativeModel(
/* modelName */ remoteConfig.getString("model_name"),
/* generationConfig (optional) */ null,
/* safetySettings (optional) */ null,
/* tools (optional) */ null,
/* toolsConfig (optional) */ null,
/* systemInstruction (optional) */ new Content.Builder().addText(
remoteConfig.getString("system_instructions")).build(),
/* requestOptions (optional) */ new RequestOptions()
);
GenerativeModelFutures model = GenerativeModelFutures.from(gm);
// Provide a prompt that contains text
// The text in the prompt will be sourced from Remote Config
Content userPrompt = new Content.Builder()
.addText(remoteConfig.getString("prompt"))
.build();
// To generate text output, call `generateContent` with the text input
ListenableFuture<GenerateContentResponse> response = model.generateContent(userPrompt);
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
// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);
// Initialize the Gemini Developer API backend service
// The Gemini Developer API doesn't support setting the location of a model
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });
// Create a `GenerativeModel` and add system instructions into its config
// Both the model name and the system instructions will be sourced from Remote Config
const model = getGenerativeModel(ai, {
model: modelName,
systemInstruction: systemInstruction
});
// Wrap in an async function so you can use await
async function run() {
// Provide a prompt that contains text
// The text in the prompt will be sourced from Remote Config
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);
}
Dart
// Initialize the Gemini Developer API backend service
// The Gemini Developer API doesn't support setting the location of a model
final ai = await FirebaseAI.googleAI();
// Create a `GenerativeModel` and add system instructions into its config
// Both the model name and the system instructions will be sourced from Remote Config
final model =
ai.generativeModel(
model: _modelName,
systemInstruction: Content.system(_systemInstructions),
);
// Provide a prompt that contains text
// The text in the prompt will be sourced from Remote Config
final _userPrompt = [Content.text(_prompt)];
// To generate text output, call `generateContent` with the text input
final response = await model.generateContent(_userPrompt);
print(response.text);
Unity
// Initialize the Gemini Developer API backend service
// The Gemini Developer API doesn't support setting the location of a model
var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI());
// Create a `GenerativeModel` and add system instructions into its config
// Both the model name and the system instructions will be sourced from Remote Config
var modelName = remoteConfig.GetValue("model_name").StringValue;
var systemInstructions = remoteConfig.GetValue("system_instructions").StringValue;
var model = ai.GetGenerativeModel(
modelName: modelName,
systemInstruction: ModelContent.Text(systemInstructions)
);
// Provide a prompt that contains text
// The text in the prompt will be sourced from Remote Config
var userPrompt = remoteConfig.GetValue("prompt").StringValue;
// To generate text output, call `GenerateContentAsync` with the text input
var response = await model.GenerateContentAsync(userPrompt);
UnityEngine.Debug.Log(response.Text ?? "No text in response.");
Passaggio 7: esegui l'app
Crea ed esegui l'app e verifica che funzioni. Apporta modifiche alla configurazione dalla pagina Remote Config nella console Firebase, pubblica le modifiche e verifica il risultato.
Passaggi successivi
Scopri di più su Remote Config.
Aggiungi Google Analytics al codice client per attivare il targeting.
Per app e giochi mobile:
Prova diverse impostazioni del modello con Remote Config e A/B Testing.
Implementa gradualmente le modifiche ai parametri del modello utilizzando Remote Config rollout (solo iOS e Android).
Utilizza la personalizzazione Remote Config per usare il machine learning per determinare le impostazioni migliori per i singoli utenti (solo iOS, Android e Unity).