استخدام مساعدة الذكاء الاصطناعي في مخطّطات وطلبات البحث وعمليات التحويل في Firebase Data Connect

يمكنك استخدام Gemini في Firebase لمساعدتك في إنشاء المخططات وطلبات البحث وعمليات التحويل لتضمينها في الرمز البرمجي من جهة العميل.

يمكنك وصف تطبيق وتلخيص نموذج بياناته، أو وصف طلب بحث أو تعديل تريد إنشاؤه بلغة طبيعية، وسيقدّم لك Gemini في Firebase العبارة المكافئة له في GraphQL.

تتوفّر مساعدة الذكاء الاصطناعي هذه في العديد من سياقات التطوير:

  • في وحدة تحكّم Firebase، يمكنك تنفيذ الإخراج واختباره، ونشر المخطّط و العمليات في مرحلة الإنتاج، ومزامنته مع بيئة التطوير المحلية.
  • على الجهاز، في إضافة Data Connect لـ VS Code، يمكنك تصميم وتشغيل واختبار باستخدام Gemini Code Assist مع قاعدة بيانات PostgreSQL ومحاكي محليَين.

اطّلِع على مزيد من المعلومات عن طلبات البحث والتغييرات في Data Connect المخططات وطلبات البحث والتغييرات.

كيف يستخدم الناشر AI assistance for Data Connect بياناتك؟

يمكنك الاطّلاع على كيفية استخدام Gemini في Firebase لبياناتك للحصول على مزيد من المعلومات حول كيفية استخدام Gemini في Firebase لبياناتك.

إعداد AI assistance for Data Connect

لإعداد ميزة "المساعدة المستندة إلى الذكاء الاصطناعي" في Data Connect، فعِّل Gemini في Firebase كما هو موضّح في مقالة إعداد Gemini في Firebase، ثم انتقِل إلى مقالة إنشاء طلبات بحث وتعديلات GraphQL باستخدام Gemini في Firebase.

إنشاء مخطّطات GraphQL وطلبات البحث وعمليات التحويل باستخدام Gemini في Firebase

تتوفّر مساعدة الذكاء الاصطناعي في Data Connect في العديد من السياقات وفي العديد من سير العمل.

إنشاء تطبيق جديد ومخطّط وعملياته الأولية في وحدة تحكّم Firebase

عند إنشاء مشروع جديد على Firebase وإعداده لتطوير تطبيق جديد، تقدّم وحدة تحكّم Firebase تلقائيًا مساعدة من الذكاء الاصطناعي لإنشاء المخططات وعمليات الإنشاء.

يتيح لك مسار الإعداد هذا وصف تطبيق ثم الحصول على مساعدة من الذكاء الاصطناعي:

  • إنشاء مخطّط Data Connect كامل
  • تُنشئ مجموعة أساسية ومفيدة من طلبات البحث والطفرات التي يمكنك بعد ذلك دمجها مع رمز العميل.

يمكنك مزامنة هذه المراجع التي تم إنشاؤها في وحدة التحكّم مع بيئة التطوير المحلية لمواصلة الدمج مع العملاء.

يمكنك الاطّلاع على سير العمل هذا في دليل البدء.

إضافة طلبات بحث وعمليات تحويل جديدة لتشغيلها في وحدة تحكّم Firebase

لاستخدام AI assistance for Data Connect لإنشاء GraphQL استنادًا إلى اللغة الطبيعية:

  1. افتح Data Connect في مشروعك، واختَر مصدر البيانات ضمن الخدمات.

  2. انقر على البيانات.

  3. انقر على رمز ساعدني في كتابة GraphQLpen_spark.

  4. في حقل النص الذي يظهر، أدخِل وصفًا بلغة طبيعية لطلب البحث أو الطفرة التي تريد إنشاؤها، ثم انقر على إنشاء.

    على سبيل المثال، إذا كنت تستخدِم مصدر بيانات الأفلام المُشار إليه في "إنشاء تطبيق باستخدام Data Connect (الويب)" في ورشة رموز البرمجة، يمكنك طلب "عرض أهم خمسة أفلام لعام 2022، بترتيب تنازلي حسب التقييم"، ما قد يؤدي إلى عرض نتيجة مثل ما يلي:

    query TopMovies2022 {
  movies(where: {releaseYear: {eq: 2022}}, orderBy: [{rating: DESC}], limit: 5) {
    id
    title
    rating
    releaseYear
  }
}

  5. راجِع الردّ:

    • إذا كان الردّ يبدو صحيحًا، انقر على إدراج لإدراج الردّ في محرِّر الرموز.
    • إذا كان بالإمكان تحسين الردّ، انقر على تعديل وعدِّل الطلب، ثم انقر على إعادة إنشاء.

  6. بعد قبول الردّ، اضبط ما يلي في قسم المَعلمات، إن أمكن:

    • المتغيّرات: إذا كان طلب البحث أو عملية التحويل تحتويان على متغيّرات، حدِّد هذه المتغيّرات هنا. استخدِم تنسيق JSON لتحديدها، على سبيل المثال، {"title":"The Matrix", "releaseYear":"1999"}.
    • التفويض: اختَر سياق التفويض (المشرف أو تمّت المصادقة أو لم تتم المصادقة) الذي تريد تنفيذ الطلب أو التحويل من خلاله.

  7. انقر على تشغيل في أداة تعديل الرموز وراجِع النتائج.

لاختبار طلبات بحث أو عمليات تحويل متعددة في محرِّر الرموز البرمجية، تأكَّد من أنّه تمّت تسميتها. على سبيل المثال، تم تسمية طلب البحث التالي باسم GetMovie. حرِّك مؤشر الماوس إلى السطر الأول من الطلب أو التحويل لتنشيط الزر تنفيذ.

query GetMovie($myKey: Movie_Key!) {
  movie(key: $myKey) { title }
}

إنشاء مخطّط وعمليات أولية أثناء إنشاء النماذج الأولية على الجهاز

تتوفّر مساعدة الذكاء الاصطناعي من Gemini Code Assist لأعمالك المحلية المتعلّقة ب prototyping عند استخدام Visual Studio Code وإضافة IDE لربط البيانات.

تتيح لك الإضافة وصف تطبيق ثم Gemini Code Assist:

  • إنشاء مخطّط Data Connect كامل
  • تُنشئ مجموعة أساسية ومفيدة من طلبات البحث والطفرات التي يمكنك بعد ذلك دمجها مع رمز العميل.

يمكنك الاطّلاع على وصف سير العمل هذا في دليل البدء لإنشاء النماذج الأولية على الجهاز.

المزيد من حالات استخدام AI assistance for Data Connect

توضّح الأقسام التالية أمثلة على حالات الاستخدام، بما في ذلك حالة يمكنك فيها طلب مساعدة Gemini في إنشاء عملية تعديل لتعبئة Data Connect ثم الاستعلام عنها للتحقّق من النتائج.

أنشئ عملية تعديل تضيف فيلمًا إلى قاعدة البيانات استنادًا إلى إدخال المستخدم.

في هذا القسم، ستطّلع على مثال لاستخدام اللغة الطبيعية لإنشاء GraphQL لعملية تحويل يمكنك استخدامها لتعبئة قاعدة بياناتك. يفترض هذا المثال أنّك تستخدِم مخطّط قاعدة بيانات الأفلام المستخدَم في مستندات Firebase Data Connect و الدرس التطبيقي "الإنشاء باستخدام Data Connect (الويب)".

  1. من وحدة تحكّم Firebase، افتح Data Connect.

  2. اختَر الخدمة ومصدر البيانات، ثم افتح علامة التبويب البيانات.

  3. انقر على رمز أحتاج إلى المساعدة في كتابة GraphQLpen_spark، وفي المربّع الذي يظهر، اكتب طلب البحث:

    Create a movie based on user input.

  4. انقر على إنشاء. يتم عرض عملية التحويل. على سبيل المثال، قد يعرض Gemini طفحة مثل:

    mutation CreateMovie($title: String!, $releaseYear: Int!, $genre: String!, $rating: Float!, $description: String!, $imageUrl: String!, $tags: [String!] = []) @auth(level: USER) {
  movie_insert(data: {
    title: $title,
    releaseYear: $releaseYear,
    genre: $genre,
    rating: $rating,
    description: $description,
    imageUrl: $imageUrl,
    tags: $tags
  })
}

  5. راجِع النتيجة. إذا لزم الأمر، انقر على تعديل لتحسين الطلب ثم انقر على إعادة إنشاء.

  6. بعد ذلك، انقر على إدراج لإدراج العنصر في محرِّر البيانات.

  7. لتنفيذ عملية التحويل، عليك إضافة متغيّرات. من القسم المَعلمات، افتح المتغيّرات وأدرِج بعض متغيّرات الاختبار:

    {"title":"My amazing movie", "releaseYear":2024, "genre": "Comedy",
"rating": 8, "description": "A new movie to test mutations",
"imageUrl": "", "tags": ["comedy","space travel"]}

  8. انقر على تشغيل.

  9. بعد ذلك، أنشئ طلب بحث يؤكّد أنّه تمّت إضافة فيلمك. انقر على رمز ساعدني في كتابة GraphQL pen_spark، ثم اكتب طلبك في المربّع الذي يظهر:

    List all movies from 2024 that include all of these tags: 'space travel', 'comedy'.

    قد يعرض Gemini ردًا مثل ما يلي:

    query ComedySpaceTravelMovies2024 @auth(level: PUBLIC) {
  movies(
    where: {
    releaseYear: { eq: 2024 },
    tags: { includesAll: ["space travel", "comedy"] }
    }
  ) {
      id
      title
      imageUrl
      releaseYear
      genre
      rating
      description
      tags
    }
}

  10. أدخِل طلب البحث ونفِّذه. من المفترض أن يظهر الفيلم الذي أضفته في حقل السجلّ.

أنشئ طلب بحث يسرد المراجعات استنادًا إلى النوع والتقييمات المقدَّمة من المستخدم.

في هذا القسم، ستطّلع على مثال لاستخدام لغة طبيعية لإنشاء GraphQL لاستعلام معيّن. يفترض هذا المثال أنّك تستخدم قاعدة بيانات الأفلام المستخدَمة في مستندات Firebase Data Connect والدرس التطبيقي "إنشاء تطبيق باستخدام Data Connect (الويب)".

  1. من وحدة تحكّم Firebase، افتح Data Connect.

  2. اختَر الخدمة ومصدر البيانات، ثم افتح علامة التبويب البيانات.

  3. انقر على رمز ساعدني في كتابة GraphQLpen_spark، وفي المربّع الذي يظهر، اكتب طلب البحث:

    List all movie reviews, based on user-configurable genre and ratings.

  4. انقر على إنشاء. يتم عرض طلب البحث. على سبيل المثال، قد يعرض Gemini طلب بحث مثل:

    query ListReviewsByGenreAndRating($genre: String, $minRating: Int, $maxRating: Int) @auth(level: PUBLIC) {
  reviews(where: {
    movie: {
      genre: {eq: $genre}
    },
    rating: {ge: $minRating, le: $maxRating}
  }) {
    id
    user {
      username
    }
    movie {
      title
      genre
    }
    rating
    reviewText
    reviewDate
  }
}

  5. راجِع النتيجة. إذا لزم الأمر، انقر على تعديل لتحسين الطلب ثم انقر على إعادة إنشاء.

  6. بعد ذلك، انقر على إدراج لإدراج العنصر في محرِّر البيانات.

  7. لاختبار طلب البحث هذا، عليك إضافة متغيّرات. من قسم المَعلمات، افتح المتغيّرات وأدرِج المتغيّرات لاستخدامها في الاختبار:

    {"genre":"sci-fi", "minRating":4, "maxRating":9}

  8. انقر على تشغيل.

تصميم طلبات الاستخدام مع أدوات المساعدة المستندة إلى الذكاء الاصطناعي التابعة لجهات خارجية

كما هو الحال مع جميع أدوات المساعدة والرموز الذكية، كلما كانت طلباتك أفضل، زادت قيمة النتائج التي تحصل عليها.

عندما تقدّم طلبات بلغة طبيعية إلى Gemini في Firebase، يترجم المساعد في الكواليس مدخلاتك إلى طلب أكثر اكتمالاً.

إذا كنت لا تستخدِم Gemini في Firebase أو غيرها من أدوات الذكاء الاصطناعي في Firebase، وكنت تعمل باستخدام أدوات تابعة لجهات خارجية مستندة إلى الذكاء الاصطناعي، مثل Cursor أو Windsurf، يمكنك الحصول على اقتراحات أفضل حول Data Connect باستخدام طلبات مشابهة مفسّرة بشكل أفضل.

لقد نشرنا نماذج طلبات ليمكنك تنزيلها وتعديلها ونسخها إلى IDE:

بعد تنزيل النموذج وتعديله، أنشئ طلبًا في الأدوات المألوفة (مثل Cursor أو Windsurf) على النحو التالي:

  • في Cursor (احرص على مراجعة أحدث التعليمات الواردة من Cursor):

    1. انقر على رمز الإعدادات في أعلى يسار الصفحة.
    2. انقر على علامة التبويب القواعد.
    3. ضمن قواعد المشروع، انقر على الزر إضافة قاعدة جديدة.
    4. انسخ القاعدة والصقها.

  • في Windsurf (احرص على مراجعة أحدث التعليمات من Windsurf):

    1. افتح نافذة "التداخل" من خلال النقر على الزر تداخل في أعلى يسار الشاشة.
    2. انقر على رمز التخصيصات في قائمة شريط التمرير في أعلى يسار ميزة التسلسل، ثم انتقِل إلى لوحة القواعد.
    3. انقر على الزر + عام أو + مساحة عمل لإنشاء قواعد جديدة على مستوى عام أو على مستوى مساحة العمل، على التوالي.
    4. انسخ القاعدة والصقها.

تحديد المشاكل وحلّها AI assistance for Data Connect

يُرجى الرجوع إلى مقالة تحديد مشاكل Gemini وحلّها في Firebase.

الأسعار

يتوفّر AI assistance for Data Connect كجزء من Gemini في Firebase، وهو مضمّن للمستخدمين الفرديين.

اطّلِع على أسعار Gemini في Firebase للحصول على مزيد من المعلومات.

الخطوات التالية