Możesz używać Gemini w Firebase, aby tworzyć schematy, zapytania i mutacje, które chcesz uwzględnić w kodzie po stronie klienta.
Opisz aplikację i podsumuj jej model danych lub opisz zapytanie lub mutację, które chcesz wygenerować w języku naturalnym, a Gemini w Firebase przedstawi ich odpowiedniki w GraphQL.
Ta pomoc AI jest dostępna w wielu kontekstach programowania:
- W konsoli Firebase uruchom i przetestuj dane wyjściowe, wprowadź schemat i operacje w środowisku produkcyjnym oraz zsynchronizuj je ze środowiskiem programistycznym lokalnym.
- Lokalnie, w naszym rozszerzeniu Data Connect do VS Code, zaprojektuj, uruchom i przetestuj za pomocą Gemini Code Assist z lokalną bazą danych PostgreSQL i jej emulatorem.
Więcej informacji o zapytaniach i mutacjach znajdziesz w artykule Schematy, zapytania i mutacje w Data Connect.
Jak AI assistance for Data Connect wykorzystuje Twoje dane
Więcej informacji o tym, jak Gemini w Firebase korzysta z Twoich danych, znajdziesz w artykule Jak Gemini w Firebase korzysta z Twoich danych.
Skonfiguruj usługę AI assistance for Data Connect
Aby skonfigurować pomoc AI w Data Connect, włącz Gemini w Firebase zgodnie z opisem w konfiguracji Gemini w Firebase, a następnie przejdź do sekcji Generowanie zapytań i mutacji GraphQL za pomocą Gemini w Firebase.
Generowanie schematów, zapytań i mutacji GraphQL za pomocą Gemini w Firebase
Pomoc AI dla Data Connect jest dostępna w wielu kontekstach i w wielu przepływach pracy.
.Utwórz nową aplikację, jej początkowy schemat i operacje w konsoli Firebase
Gdy utworzysz nowy projekt Firebase i skonfigurujesz go pod kątem tworzenia nowej aplikacji, konsola Firebase automatycznie zaproponuje Ci pomoc AI w generowaniu schematu i operacji.
Ten proces konfiguracji umożliwia opisanie aplikacji, a potem skorzystania z pomocy AI:
- generuje pełny schemat Data Connect,
- Generuje przydatny podstawowy zestaw zapytań i mutacji, które możesz zintegrować z kodem klienta.
Aby kontynuować integrację z klientami, zsynchronizuj te zasoby utworzone w konsoli ze swoim lokalnym środowiskiem programistycznym.
Ten proces został opisany w przewodniku dla początkujących.
Dodawanie nowych zapytań i mutacji do wykonania w konsoli Firebase
Aby użyć AI assistance for Data Connect do generowania zapytań GraphQL na podstawie języka naturalnego:
Otwórz w projekcie plik Data Connect i w sekcji Usługi wybierz źródło danych.
Kliknij Dane.
Kliknij ikonę Pomóż mi napisać zapytanie GraphQLpen_spark.
W wyświetlonym polu tekstowym opisz w języku naturalnym zapytanie lub mutację, które chcesz wygenerować, i kliknij Wygeneruj.
Jeśli na przykład używasz źródła danych Filmy, do którego odwołuje się codelab „Tworzenie za pomocą Data Connect (internet)”, możesz wysłać zapytanie o postaci: „Zwróć 5 najpopularniejszych filmów z 2022 r. w kolejności malejącej według oceny”. Może to zwrócić taki wynik:
query TopMovies2022 { movies(where: {releaseYear: {eq: 2022}}, orderBy: [{rating: DESC}], limit: 5) { id title rating releaseYear } }
Sprawdź odpowiedź:
- Jeśli odpowiedź wygląda poprawnie, kliknij Wstaw, aby wstawić ją do edytora kodu.
- Jeśli odpowiedź wymaga dopracowania, kliknij Edytuj, zaktualizuj prompt i kliknij Wygeneruj ponownie.
Po zaakceptowaniu odpowiedzi w sekcji Parametry ustaw te opcje (jeśli są dostępne):
- Zmienna: jeśli zapytanie lub mutacja zawiera zmienne, zdefiniuj je tutaj. Definiuj je za pomocą kodu JSON, np.
{"title":"The Matrix", "releaseYear":"1999"}
. - Autoryzacja: wybierz kontekst autoryzacji (Administrator, Zalogowany lub Niezalogowany), w którym chcesz wykonać zapytanie lub mutację.
- Zmienna: jeśli zapytanie lub mutacja zawiera zmienne, zdefiniuj je tutaj. Definiuj je za pomocą kodu JSON, np.
W edytorze kodu kliknij Uruchom i sprawdź wyniki.
Aby przetestować w edytorze kodu wiele zapytań lub mutacji, upewnij się, że są one nazwane. Na przykład zapytanie o nazwie GetMovie
. Aby aktywować przycisk Uruchom, umieść kursor na pierwszym wierszu zapytania lub w mutacji.
query GetMovie($myKey: Movie_Key!) {
movie(key: $myKey) { title }
}
Tworzenie początkowego schematu i operacji podczas lokalnego prototypowania
Pomoc AI jest dostępna w Gemini Code Assist do tworzenia prototypów lokalnie, gdy używasz Visual Studio Code i naszego rozszerzenia Data Connect do VS Code.
Rozszerzenie pozwala opisać aplikację, a potem Gemini Code Assist:
- generuje pełny schemat Data Connect,
- Generuje przydatny podstawowy zestaw zapytań i mutacji, które możesz zintegrować z kodem klienta.
Ten proces jest opisany w Przewodniku po tworzeniu prototypów lokalnych.
Więcej przypadków użycia (AI assistance for Data Connect)
W kolejnych sekcjach opisano przykładowe przypadki użycia, w tym taki, w którym możesz poprosić Gemini o pomoc w tworzeniu mutacji do wypełniania tabeliData Connect, a następnie wysłać zapytanie, aby zweryfikować wyniki.
- Tworzenie mutacji, która dodaje film do bazy danych na podstawie danych wejściowych użytkownika
- Tworzenie zapytania, które wyświetla opinie na podstawie podanych przez użytkownika gatunków i oceny
Utwórz operację, która dodaje film do bazy danych na podstawie danych wejściowych użytkownika
W tej sekcji zobaczysz przykład użycia języka naturalnego do wygenerowania zapytania GraphQL dla mutacji, której możesz użyć do zapełniania bazy danych. W tym przykładzie zakładamy, że używasz schematu bazy danych filmów, który jest używany w dokumentacji Firebase Data Connect i w laboratorium kodu „Tworzenie za pomocą Data Connect (internet)”.
W konsoli Firebase otwórz Data Connect.
Wybierz usługę i źródło danych, a następnie otwórz kartę Dane.
Kliknij ikonę Pomóż mi napisać zapytanie GraphQLpen_spark i w wyświetlonym polu wpisz zapytanie:
Create a movie based on user input.
Kliknij Wygeneruj. Zwracana jest mutacja. Na przykład Gemini może zwrócić mutację:
mutation CreateMovie($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: $tags }) }
Sprawdź dane wyjściowe. W razie potrzeby kliknij Edytuj, aby dostosować prompt, a potem kliknij Wygeneruj ponownie.
Następnie kliknij Wstaw, aby wstawić mutację do edytora danych.
Aby wykonać mutację, musisz dodać zmienne. W sekcji Parametry otwórz Zmienna i dodaj kilka zmiennych testowych:
{"title":"My amazing movie", "releaseYear":2024, "genre": "Comedy", "rating": 8, "description": "A new movie to test mutations", "imageUrl": "", "tags": ["comedy","space travel"]}
Kliknij Wykonaj.
Następnie utwórz zapytanie, które potwierdzi, że film został dodany. Kliknij Pomóż mi napisać zapytanie GraphQL pen_spark i w wyświetlonym polu wpisz prompt:
List all movies from 2024 that include all of these tags: 'space travel', 'comedy'.
Gemini może zwrócić taką odpowiedź:
query ComedySpaceTravelMovies2024 @auth(level: PUBLIC) { movies( where: { releaseYear: { eq: 2024 }, tags: { includesAll: ["space travel", "comedy"] } } ) { id title imageUrl releaseYear genre rating description tags } }
Wstaw i uruchom zapytanie. Dodany film powinien pojawić się w polu Historia.
Utwórz zapytanie, które wyświetla opinie na podstawie podanych przez użytkownika gatunków i oceny.
W tej sekcji zobaczysz przykład użycia języka naturalnego do wygenerowania zapytania GraphQL. W tym przykładzie zakładamy, że używasz bazy danych filmów, która jest używana w dokumentacji Firebase Data Connect i w laboratorium kodu „Tworzenie za pomocą Data Connect (internet)”.
W konsoli Firebase otwórz Data Connect.
Wybierz usługę i źródło danych, a następnie otwórz kartę Dane.
Kliknij ikonę Pomóż mi napisać zapytanie GraphQLpen_spark i w wyświetlonym polu wpisz zapytanie:
List all movie reviews, based on user-configurable genre and ratings.
Kliknij Wygeneruj. Zapytanie jest zwracane. Na przykład Gemini może zwrócić zapytanie w takiej formie:
query ListReviewsByGenreAndRating($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 } }
Sprawdź dane wyjściowe. W razie potrzeby kliknij Edytuj, aby dostosować prompt, a potem kliknij Wygeneruj ponownie.
Następnie kliknij Wstaw, aby wstawić mutację do edytora danych.
Aby przetestować to zapytanie, musisz dodać zmienne. W sekcji Parametry otwórz Zmienne i uwzględnij zmienne, których chcesz używać do testowania:
{"genre":"sci-fi", "minRating":4, "maxRating":9}
Kliknij Wykonaj.
Projektowanie promptów do wykorzystania z narzędziami AI innych firm
Jak w przypadku wszystkich narzędzi i asystentów AI, im lepsze prompty, tym bardziej przydatne wyniki.
Gdy podasz Gemini w Firebase prompty w naturalnym języku, asystent przekształci Twoje dane wejściowe w bardziej rozwinięty prompt.
Jeśli nie używasz Gemini w Firebase ani innych narzędzi Firebase do obsługi AI, a pracujesz z narzędziami AI innych firm, takimi jak Cursor czy Windsurf, możesz uzyskać lepsze rekomendacje dotyczące Data Connect, korzystając z podobnych rozbudowanych promptów.
Opublikowaliśmy szablony promptów, które możesz pobrać, dostosować i skopiować do IDE:
- Prompt dotyczący generowania schematu
- Prompt dotyczący generowania operacji
Po pobraniu i zmodyfikowaniu stwórz prompt w znanym narzędziu (np. Cursor lub Windsurf) w ten sposób:
W Cursor (koniecznie zapoznaj się z najnowszymi instrukcjami dotyczącymi Cursor):
- Kliknij ikonę ustawień w prawym górnym rogu.
- Wybierz kartę Zasady.
- W sekcji Reguły projektu kliknij przycisk Dodaj nową regułę.
- Skopiuj i wklej regułę.
W Windsurf (koniecznie zapoznaj się z najnowszymi instrukcjami Windsurf):
- Kliknij przycisk Kaskada w prawym górnym rogu, aby otworzyć okno kaskady.
- W menu suwaka w prawym górnym rogu w Cascade kliknij ikonę Dostosowywanie, a potem otwórz panel Reguły.
- Kliknij przycisk + Globalnie lub + Obszar roboczy, aby utworzyć nowe reguły odpowiednio na poziomie globalnym lub obszaru roboczego.
- Skopiuj i wklej regułę.
Rozwiązywanie problemów AI assistance for Data Connect
Zapoznaj się z artykułem Rozwiązywanie problemów z Gemini w Firebase.
Ceny
AI assistance for Data Connect jest dostępna w ramach Gemini w Firebase, która jest dołączona do subskrypcji indywidualnych użytkowników.
Więcej informacji znajdziesz w cenniku Gemini w Firebase.
Dalsze kroki
- Więcej informacji o zapytaniach i mutacjach znajdziesz w artykule Schematy, zapytania i mutacje w Data Connect.
- Dowiedz się więcej o Gemini w Firebase.