שימוש בעזרה של AI לשאילתות ולמוטציות ב-Firebase Data Connect

אתם יכולים להשתמש ב-Gemini ב-Firebase במסוף Firebase כדי ליצור שאילתות ומוטציות שאפשר לכלול בקוד בצד הלקוח. מתארים בשפה טבעית את השאילתה או את המוטציה שרוצים ליצור, ו-Gemini ב-Firebase יספק את המקבילה שלהם ב-GraphQL. מריצים את הפלט ובודקים אותו במסוף Firebase, ולאחר מכן מעתיקים את השאילתות והמוטציות הסופיות לקוד.

מידע נוסף על שאילתות ומוטציות זמין במאמר Data Connect סכמות, שאילתות ומוטציות.

איך AI assistance for Data Connect in the Firebase console משתמשת בנתונים שלכם

מידע נוסף על אופן השימוש בנתונים שלכם ב-Gemini ב-Firebase זמין במאמר איך Gemini ב-Firebase משתמש בנתונים שלכם.

הגדר את AI assistance for Data Connect in the Firebase console

כדי להגדיר את התכונה 'עזרה מבוססת-AI' ב-Data Connect, מפעילים את Gemini ב-Firebase כפי שמתואר במאמר הגדרת Gemini ב-Firebase, ולאחר מכן עוברים למאמר יצירת שאילתות ומוטציות של GraphQL באמצעות Gemini ב-Firebase.

יצירת שאילתות ומוטציות של GraphQL באמצעות Gemini ב-Firebase

כדי להשתמש ב-AI assistance for Data Connect in the Firebase console כדי ליצור שאילתות GraphQL על סמך שפה טבעית:

  1. פותחים את Data Connect בפרויקט ובוחרים את מקור הנתונים בקטע Services.

  2. לוחצים על נתונים.

  3. לוחצים על הסמל עזרה בכתיבה של GraphQLpen_spark.

  4. בשדה הטקסט שמופיע, מתארים בשפה טבעית את השאילתה או המוטציה שרוצים ליצור ולוחצים על יצירה.

    לדוגמה, אם אתם משתמשים במקור הנתונים Movies שמצוין בcodelab 'פיתוח עם Data Connect (אינטרנט)', תוכלו לבקש הצגת חמשת הסרטים המובילים של שנת 2022, בסדר יורד לפי דירוג. התוצאה עשויה להיות דומה לזו:

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

  5. בודקים את התשובה:

    • אם התשובה נראית נכונה, לוחצים על Insert כדי להוסיף אותה לעורך הקוד.
    • אם אפשר לשפר את התשובה, לוחצים על עריכה, מעדכנים את ההנחיה ולוחצים על יצירה מחדש.

  6. אחרי שמאשרים את התשובה, מגדירים את הפרמטרים הבאים בקטע Parameters, אם רלוונטי:

    • משתנים: אם השאילתה או המוטציה מכילות משתנים, מגדירים אותם כאן. אפשר להשתמש ב-JSON כדי להגדיר אותם, לדוגמה, {"title":"The Matrix", "releaseYear":"1999"}.
    • הרשאה: בוחרים את הקשר ההרשאה (אדמין, מאומת או לא מאומת) שבו רוצים להריץ את השאילתה או את המוטציה.

  7. לוחצים על הפעלה בעורך הקוד ובודקים את התוצאות.

כדי לבדוק כמה שאילתות או מוטציות בכלי העריכה של הקוד, צריך לוודא שהן ניתנות לשמות. לדוגמה, השאילתה הבאה נקראת GetMovie. כדי להפעיל את הלחצן Run, מעבירים את הסמן לשורה הראשונה של השאילתה או המוטציה.

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

תרחישים לדוגמה ל-AI assistance for Data Connect in the Firebase console

בקטעים הבאים מתוארים תרחישים לדוגמה, כולל תרחיש שבו אפשר לבקש מ-Gemini לעזור לכם ליצור מוטציה כדי לאכלס את Data Connect ואז להריץ שאילתה כדי לאמת את התוצאות.

יצירת מוטציה שמוסיפה סרט למסד הנתונים על סמך קלט של משתמש

בקטע הזה נסביר על דוגמה לשימוש בשפה טבעית כדי ליצור GraphQL עבור מוטציה שאפשר להשתמש בה כדי לאכלס את מסד הנתונים. בדוגמה הזו נעשה שימוש בהסכימה של מסד נתוני הסרטים שמופיעה במסמכי העזרה של Firebase Data Connect ובקודלאב 'פיתוח עם Data Connect (אינטרנט)'.

  1. במסוף Firebase, פותחים את Data Connect.

  2. בוחרים את השירות ומקור הנתונים, ואז פותחים את הכרטיסייה נתונים.

  3. לוחצים על הסמל עזרה בכתיבה של GraphQLpen_spark ובתיבה שמופיעה מקלידים את השאילתה:

    Create a movie based on user input.

  4. לוחצים על יצירה. המוטציה מוחזרת. לדוגמה, יכול להיות ש-Gemini יחזיר מוטציה כמו:

    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. בודקים את הפלט. אם צריך, לוחצים על עריכה כדי לשפר את ההנחיה ולוחצים על יצירה מחדש.

  6. לאחר מכן, לוחצים על Insert (הוספה) כדי להוסיף את המוטציה לעורך הנתונים.

  7. כדי לבצע את המוטציה, צריך להוסיף משתנים. בקטע Parameters, פותחים את Variables ומוסיפים כמה משתני בדיקה:

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

  8. לוחצים על Run.

  9. בשלב הבא יוצרים שאילתה שמאשרת שהסרט נוסף. לוחצים על עזרה בכתיבה של GraphQL pen_spark ובתיבה שמופיעה מקלידים את ההנחיה:

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

    יכול להיות ש-Gemini יחזיר תשובה כמו זו:

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

  10. מזינים את השאילתה ומפעילים אותה. הסרט שהוספתם אמור להופיע בשדה היסטוריה.

יצירת שאילתה שמציגה ביקורות על סמך ז'אנר ודירוגים שסופקו על ידי משתמשים

בקטע הזה נסביר על דוגמה לשימוש בשפה טבעית כדי ליצור GraphQL לשאילתה. בדוגמה הזו ההנחה היא שאתם משתמשים במסד הנתונים של הסרטים שמופיע במסמכי העזרה של Firebase Data Connect ובcodelab 'פיתוח עם Data Connect (אינטרנט)'.

  1. במסוף Firebase, פותחים את Data Connect.

  2. בוחרים את השירות ומקור הנתונים, ואז פותחים את הכרטיסייה נתונים.

  3. לוחצים על הסמל עזרה בכתיבה של GraphQLpen_spark ובתיבה שמופיעה מקלידים את השאילתה:

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

  4. לוחצים על יצירה. השאילתה מוחזרת. לדוגמה, יכול להיות ש-Gemini יחזיר שאילתה כמו:

    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. בודקים את הפלט. אם צריך, לוחצים על עריכה כדי לשפר את ההנחיה ולוחצים על יצירה מחדש.

  6. לאחר מכן, לוחצים על Insert (הוספה) כדי להוסיף את המוטציה לעורך הנתונים.

  7. כדי לבדוק את השאילתה הזו, צריך להוסיף משתנים. בקטע Parameters (פרמטרים), פותחים את Variables (משתנים) ומוסיפים את המשתנים לשימוש בבדיקה:

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

  8. לוחצים על Run.

פתרון בעיות AI assistance for Data Connect in the Firebase console

אפשר לעיין במאמר פתרון בעיות ב-Gemini ב-Firebase.

תמחור

AI assistance for Data Connect in the Firebase console זמין כחלק מ-Gemini ב-Firebase, שכלול במינויים של משתמשים פרטיים.

למידע נוסף, ראו תמחור של Gemini ב-Firebase.

השלבים הבאים