Korzystanie z pomocy AI w przypadku schematów, zapytań i mutacji Firebase Data Connect

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:

  1. Otwórz w projekcie plik Data Connect i w sekcji Usługi wybierz źródło danych.

  2. Kliknij Dane.

  3. Kliknij ikonę Pomóż mi napisać zapytanie GraphQLpen_spark.

  4. 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
      }
    }
    
  5. 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.
  6. 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.
  7. 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.

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)”.

  1. W konsoli Firebase otwórz Data Connect.

  2. Wybierz usługę i źródło danych, a następnie otwórz kartę Dane.

  3. Kliknij ikonę Pomóż mi napisać zapytanie GraphQLpen_spark i w wyświetlonym polu wpisz zapytanie:

    Create a movie based on user input.
    
  4. 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
      })
    }
    
  5. Sprawdź dane wyjściowe. W razie potrzeby kliknij Edytuj, aby dostosować prompt, a potem kliknij Wygeneruj ponownie.

  6. Następnie kliknij Wstaw, aby wstawić mutację do edytora danych.

  7. 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"]}
    
  8. Kliknij Wykonaj.

  9. 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
        }
    }
    
  10. 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)”.

  1. W konsoli Firebase otwórz Data Connect.

  2. Wybierz usługę i źródło danych, a następnie otwórz kartę Dane.

  3. 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.
    
  4. 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
      }
    }
    
  5. Sprawdź dane wyjściowe. W razie potrzeby kliknij Edytuj, aby dostosować prompt, a potem kliknij Wygeneruj ponownie.

  6. Następnie kliknij Wstaw, aby wstawić mutację do edytora danych.

  7. 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}
    
  8. 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:

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):

    1. Kliknij ikonę ustawień w prawym górnym rogu.
    2. Wybierz kartę Zasady.
    3. W sekcji Reguły projektu kliknij przycisk Dodaj nową regułę.
    4. Skopiuj i wklej regułę.
  • W Windsurf (koniecznie zapoznaj się z najnowszymi instrukcjami Windsurf):

    1. Kliknij przycisk Kaskada w prawym górnym rogu, aby otworzyć okno kaskady.
    2. W menu suwaka w prawym górnym rogu w Cascade kliknij ikonę Dostosowywanie, a potem otwórz panel Reguły.
    3. Kliknij przycisk + Globalnie lub + Obszar roboczy, aby utworzyć nowe reguły odpowiednio na poziomie globalnym lub obszaru roboczego.
    4. 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