ใช้ความช่วยเหลือจาก AI สำหรับ Data Connect

ใช้ Gemini ใน Firebase เพื่อช่วยสร้างสคีมา คำค้นหา และการเปลี่ยนแปลงสำหรับ โค้ดฝั่งไคลเอ็นต์

อธิบายแอป โมเดลข้อมูล หรือการค้นหาหรือการเปลี่ยนแปลงที่ต้องการในภาษาที่เป็นธรรมชาติ แล้ว Gemini ใน Firebase จะสร้างData Connect รายการที่เทียบเท่ากัน

ความช่วยเหลือจาก AI นี้พร้อมให้บริการในบริบทการพัฒนาต่อไปนี้

  • ในFirebaseคอนโซล คุณสามารถสร้าง ทดสอบ และติดตั้งใช้งานสคีมา และการดำเนินการได้
  • ในสภาพแวดล้อมภายใน คุณสามารถใช้ Firebase CLI และส่วนขยาย Data Connect VS Code เพื่อสร้าง ทดสอบ และพัฒนาแอปด้วยโปรแกรมจำลองได้
  • เครื่องมือพัฒนาที่ทำงานด้วยระบบ AI สามารถใช้เซิร์ฟเวอร์ MCP ของ Firebase เพื่อสร้าง ทดสอบ และพัฒนาแอปของคุณได้

ดูข้อมูลเพิ่มเติมเกี่ยวกับไวยากรณ์Data Connect สคีมา การค้นหาและ การเปลี่ยนแปลงในคำแนะนำ

วิธีที่ AI assistance for Data Connect ใช้ข้อมูลของคุณ

ดูข้อมูลเพิ่มเติมได้ที่วิธีที่ Gemini ใน Firebase ใช้ข้อมูลของคุณ

ตั้งค่า AI assistance for Data Connect

หากต้องการใช้ความช่วยเหลือจาก AI กับ Data Connect ให้เปิดใช้ Gemini ใน Firebase ตามที่อธิบายไว้ในตั้งค่า Gemini ใน Firebase

สร้างสคีมา การค้นหา และการเปลี่ยนแปลงด้วย Gemini ใน Firebase

คุณสามารถใช้ความช่วยเหลือจาก AI สำหรับ Data Connect ในเวิร์กโฟลว์ต่างๆ ได้มากมาย

ในคอนโซล Firebase

เมื่อสร้างData Connectบริการ คอนโซล Firebase จะมอบประสบการณ์ "เริ่มต้นใช้งาน Gemini"

คุณสามารถอธิบายแนวคิดแอป แล้วความช่วยเหลือจาก AI จะสร้างสิ่งต่อไปนี้

  • สคีมาที่สมบูรณ์ซึ่งอิงตามไอเดียแอปของคุณ
  • ตัวอย่างการดำเนินการและการเปลี่ยนแปลงข้อมูล

จากหน้าข้อมูล คุณสามารถใช้ปุ่มช่วยฉันเขียน GraphQLpen_spark เพื่อสร้างและเรียกใช้ การดำเนินการตามภาษาที่เป็นธรรมชาติ ดูตัวอย่างกรณีการใช้งาน

เวิร์กโฟลว์นี้อธิบายไว้ในคู่มือเริ่มต้นใช้งาน คุณสามารถใช้สภาพแวดล้อมการพัฒนาในเครื่องต่อไปได้ด้วยสคีมาและการดำเนินการที่ติดตั้งใช้งาน

ในสภาพแวดล้อมในพื้นที่

นอกจากนี้ คุณยังรับความช่วยเหลือจาก AI ได้จาก Firebase CLI และส่วนขยาย Data Connect VS Code

คุณสามารถให้แนวคิดแอปแก่ firebase init dataconnect แล้วระบบจะสร้าง สิ่งต่อไปนี้

  • สคีมาที่สมบูรณ์ซึ่งอิงตามไอเดียแอปของคุณ
  • ตัวอย่างการดำเนินการและการเปลี่ยนแปลงข้อมูลเริ่มต้น

ส่วนขยาย Data Connect VS Code มีฟีเจอร์ต่อไปนี้

  • สร้าง/ปรับแต่งเลนส์โค้ดการดำเนินการเพื่อแปลงความคิดเห็น GraphQL เป็นการดำเนินการ Data Connect
  • ผสานรวมกับ Gemini Code Assist และเซิร์ฟเวอร์ Firebase MCP ได้อย่างราบรื่น

เวิร์กโฟลว์นี้อธิบายไว้ในคู่มือเริ่มต้นใช้งานสำหรับการสร้างต้นแบบในเครื่อง

ใช้เซิร์ฟเวอร์ MCP ของ Firebase กับเครื่องมือพัฒนาที่ทำงานด้วยระบบ AI

เซิร์ฟเวอร์ MCP ของ Firebase ทำงานร่วมกับเครื่องมือผู้ช่วย AI ใดก็ได้ที่ทำหน้าที่เป็นไคลเอ็นต์ MCP ซึ่งรวมถึง Gemini CLI, Gemini Code Assist, Cursor, Visual Studio Code Copilot, Claude Desktop และ Windsurf Editor

เซิร์ฟเวอร์ MCP ของ Firebase มีบริบทและความสามารถเพิ่มเติมเพื่อช่วยให้เครื่องมือพัฒนาที่ทำงานด้วยระบบ AI ทำงานร่วมกับ Data Connect ได้ดียิ่งขึ้น โดยสามารถทำสิ่งต่อไปนี้ได้

  • ตั้งค่าไดเรกทอรีโปรเจ็กต์ใหม่และ SDK ที่สร้างขึ้น
  • สร้างและทำซ้ำในสคีมา การดำเนินการตามข้อผิดพลาดในการคอมไพล์
  • สร้างสคีมาและการดำเนินการใหม่ตามข้อกำหนด
  • สร้างและดำเนินการกับการจำลองภายในหรือบริการแบ็กเอนด์
  • รวบรวมข้อมูลเกี่ยวกับบริการที่มีอยู่

วิธีใช้เซิร์ฟเวอร์ MCP ของ Firebase

  1. ตั้งค่าไคลเอ็นต์ MCP โดยทำตามคู่มือนี้
  2. ขอความช่วยเหลือเกี่ยวกับ Data Connect ตัวอย่างพรอมต์
    1. "ตั้งค่าData Connectโปรเจ็กต์สำหรับแอปนำส่งพิซซ่า"
    2. "แก้ไขข้อผิดพลาดในการคอมไพล์ Data Connect"
    3. "ในหน้าแรก ฉันต้องการแสดงห้องแชทที่ใช้งานอยู่และรายชื่อเพื่อน สร้างData Connectคำค้นหา"
    4. "ผู้ใช้ใดอยู่ในโปรแกรมจำลอง Data Connect ในเครื่องของฉัน"
    5. "Data Connect บริการของฉันอยู่ในภูมิภาคใดของ Google Cloud"

ตัวอย่างกรณีการใช้งานสำหรับการสร้างการดำเนินการ

ส่วนต่อไปนี้จะอธิบายกรณีการใช้งานตัวอย่าง

แสดงภาพยนตร์ 5 อันดับแรกตามคะแนนจากมากไปหาน้อย

วิธีใช้ AI assistance for Data Connect เพื่อสร้าง GraphQL ตามภาษาธรรมชาติ

  1. เปิด Data Connect ในโปรเจ็กต์ แล้วเลือกแหล่งข้อมูลในส่วนบริการ

  2. คลิกข้อมูล

  3. คลิกไอคอนช่วยฉันเขียน GraphQLpen_spark อธิบายคําค้นหาหรือ การเปลี่ยนแปลงที่ต้องการสร้างเป็นภาษาพูดง่ายๆ แล้วคลิกสร้าง

    ตัวอย่างเช่น หากคุณใช้แหล่งข้อมูลภาพยนตร์ที่อ้างอิงใน Codelab "สร้างด้วย Data Connect (เว็บ)" คุณอาจถามว่า "แสดงภาพยนตร์ 5 อันดับแรกของปี 2022 โดยเรียงตาม คะแนน" ซึ่งอาจแสดงผลลัพธ์ดังต่อไปนี้

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

  4. ตรวจสอบคำตอบโดยทำดังนี้

    • หากคำตอบดูถูกต้อง ให้คลิกแทรกเพื่อแทรกคำตอบ ลงในเครื่องมือแก้ไขโค้ด
    • หากปรับแต่งคำตอบได้ ให้คลิกแก้ไข อัปเดต พรอมต์ แล้วคลิกสร้างใหม่

  5. หลังจากยอมรับคำตอบแล้ว ให้ตั้งค่าต่อไปนี้ในส่วนพารามิเตอร์ (หากมี)

    • ตัวแปร: หากการค้นหาหรือการเปลี่ยนแปลงมีตัวแปร ให้กำหนดตัวแปรที่นี่ ใช้ JSON เพื่อกำหนดค่า เช่น {"title":"The Matrix", "releaseYear":"1999"}
    • การให้สิทธิ์: เลือกบริบทการให้สิทธิ์ (ผู้ดูแลระบบ, ได้รับการตรวจสอบสิทธิ์ หรือไม่ได้รับการตรวจสอบสิทธิ์) ที่จะใช้ เรียกใช้การค้นหาหรือการเปลี่ยนแปลง

  6. คลิกเรียกใช้ในตัวแก้ไขโค้ดและตรวจสอบผลลัพธ์

หากต้องการทดสอบการค้นหาหรือการเปลี่ยนแปลงหลายรายการในเครื่องมือแก้ไขโค้ด ให้ตรวจสอบว่ามีการตั้งชื่อการค้นหาหรือการเปลี่ยนแปลงเหล่านั้น ตัวอย่างเช่น การค้นหาต่อไปนี้มีชื่อว่า GetMovie เลื่อนเคอร์เซอร์ไปที่บรรทัดแรกของคําค้นหาหรือการเปลี่ยนแปลงเพื่อเปิดใช้งานปุ่มเรียกใช้ 

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

สร้างการเปลี่ยนแปลงที่จะเพิ่มภาพยนตร์ลงในฐานข้อมูลตามข้อมูลที่ผู้ใช้ป้อน

ตัวอย่างนี้แสดงวิธีใช้ภาษามนุษย์เพื่อสร้างการเปลี่ยนแปลง GraphQL ที่ป้อนข้อมูลลงในฐานข้อมูล ตัวอย่างนี้ถือว่าคุณใช้สคีมาฐานข้อมูลภาพยนตร์ที่ใช้ในเอกสารประกอบ Firebase Data Connect และ Codelab "สร้างด้วย Data Connect (เว็บ)"

  1. จากคอนโซล Firebase ให้เปิด Data Connect

  2. เลือกบริการและแหล่งข้อมูล แล้วเปิดแท็บข้อมูล

  3. คลิกไอคอนช่วยฉันเขียน GraphQLpen_spark แล้วอธิบายการเปลี่ยนแปลงของคุณ

    Create a movie based on user input.

  4. คลิกสร้าง ระบบจะแสดงผลการเปลี่ยนแปลง ตัวอย่างเช่น Gemini อาจแสดงผลการเปลี่ยนแปลงดังนี้

    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. ตรวจสอบเอาต์พุต หากจำเป็น ให้คลิกแก้ไขเพื่อปรับแต่งพรอมต์ แล้วคลิกสร้างใหม่

  6. จากนั้นคลิกแทรกเพื่อแทรกการเปลี่ยนแปลงลงในเอดิเตอร์ข้อมูล

  7. คุณจะต้องเพิ่มตัวแปรเพื่อเรียกใช้การเปลี่ยนแปลง จากส่วนพารามิเตอร์ ให้เปิดตัวแปรและใส่ตัวแปรทดสอบบางรายการ

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

  8. คลิกเรียกใช้

  9. จากนั้นสร้างคำค้นหาที่ยืนยันว่ามีการเพิ่มภาพยนตร์ของคุณแล้ว คลิกช่วยฉันเขียน GraphQL pen_spark แล้วพิมพ์พรอมต์ในช่องที่ปรากฏขึ้น

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

    Gemini อาจแสดงคำตอบดังต่อไปนี้

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

  10. แทรกและเรียกใช้การค้นหา ภาพยนตร์ที่คุณเพิ่มควรปรากฏในช่องประวัติ

สร้างคําค้นหาที่แสดงรีวิวตามประเภทและคะแนนที่ผู้ใช้ระบุ

ตัวอย่างนี้แสดงวิธีใช้ภาษาที่เป็นธรรมชาติเพื่อสร้างการค้นหา GraphQL ตัวอย่างนี้ถือว่าคุณกำลังใช้ฐานข้อมูลภาพยนตร์ที่ใช้ใน Firebase Data Connectเอกสารประกอบและ Codelab "สร้างด้วย Data Connect (เว็บ)"

  1. จากคอนโซล Firebase ให้เปิด Data Connect

  2. เลือกบริการและแหล่งข้อมูล แล้วเปิดแท็บข้อมูล

  3. คลิกไอคอนช่วยฉันเขียน GraphQLpen_spark แล้วอธิบายการค้นหาของคุณ

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

  4. คลิกสร้าง ระบบจะแสดงผลการค้นหา ตัวอย่างเช่น Gemini อาจแสดงผลการค้นหาต่อไปนี้

    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. ตรวจสอบเอาต์พุต หากจำเป็น ให้คลิกแก้ไขเพื่อปรับแต่งพรอมต์ แล้วคลิกสร้างใหม่

  6. จากนั้นคลิกแทรกเพื่อแทรกการเปลี่ยนแปลงลงในเอดิเตอร์ข้อมูล

  7. หากต้องการทดสอบคําค้นหานี้ คุณจะต้องเพิ่มตัวแปร จากส่วนพารามิเตอร์ ให้เปิดตัวแปรและใส่ตัวแปรที่จะใช้ในการทดสอบ

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

  8. คลิกเรียกใช้

ออกแบบพรอมต์สำหรับเครื่องมือช่วยเหลือ AI ของบุคคลที่สาม

เช่นเดียวกับเครื่องมือความช่วยเหลือจาก AI ทั้งหมด พรอมต์ที่ดีขึ้นจะให้ผลลัพธ์ที่เป็นประโยชน์มากขึ้น

เมื่อคุณระบุพรอมต์ภาษาธรรมชาติให้กับ Gemini ใน Firebase เบื้องหลัง ฉาก ผู้ช่วยจะแปลข้อมูลที่คุณป้อนเป็นพรอมต์ที่ได้รับการพัฒนาอย่างเต็มรูปแบบมากขึ้น

หากคุณใช้เครื่องมือ AI ของบุคคลที่สาม เช่น Cursor หรือ Windsurf คุณจะได้รับData Connectคำแนะนำที่ดีขึ้นโดยใช้พรอมต์ที่คล้ายกันและมีรายละเอียดมากขึ้น

เราได้เผยแพร่เทมเพลตพรอมต์เพื่อให้คุณดาวน์โหลด ปรับเปลี่ยน และคัดลอกลงใน IDE

หลังจากดาวน์โหลดและแก้ไขแล้ว ให้สร้างพรอมต์ในเครื่องมือที่คุ้นเคย (เช่น Cursor หรือ Windsurf) ดังนี้

  • ใน Cursor (อย่าลืมอ่านวิธีการล่าสุดจาก Cursor)

    1. คลิกไอคอนการตั้งค่าที่ด้านขวาบน
    2. เลือกแท็บกฎ
    3. ในส่วนกฎของโปรเจ็กต์ ให้คลิกปุ่มเพิ่มกฎใหม่
    4. คัดลอกและวางกฎ

  • ใน Windsurf (โปรดอ่านวิธีการล่าสุดจาก Windsurf)

    1. เปิดหน้าต่างแบบเรียงซ้อนโดยคลิกปุ่มเรียงซ้อนที่มุมขวาบน
    2. คลิกไอคอนการปรับแต่งในเมนูแถบเลื่อนด้านขวาบนใน Cascade จากนั้นไปที่แผงกฎ
    3. คลิกปุ่ม + ทั่วโลกหรือ + Workspace เพื่อสร้างกฎใหม่ที่ ระดับส่วนกลางหรือระดับ Workspace ตามลำดับ
    4. คัดลอกและวางกฎ

แก้ปัญหา AI assistance for Data Connect

ดูแก้ปัญหา Gemini ใน Firebase

ราคา

AI assistance for Data Connect พร้อมให้บริการเป็นส่วนหนึ่งของ Gemini ใน Firebase และรวมไว้สำหรับผู้ใช้รายบุคคล

ดูข้อมูลเพิ่มเติมได้ที่การกำหนดราคาของ Gemini ใน Firebase

ขั้นตอนถัดไป