رفتن مستقیم به دستورالعملهای انتقال
چرا باید به کیتهای توسعه نرمافزار Firebase AI Logic منتقل شد؟
ممکن است مجموعه جایگزینی از کیتهای توسعه نرمافزار کارخواه وب یا تلفن همراه را امتحان کرده باشید که به شما امکان دسترسی به Gemini Developer API را داده است.
آن کیتهای توسعه نرمافزار کارخواه در بومسازگان قدرتمند Firebase که خدمات مهمی را برای برنامههای وب و تلفن همراه ارائه میدهد ادغام نشده بودند. این مدلها اکنون منسوخ شدهاند و کیتهای توسعه نرمافزار کارخواه Firebase AI Logic جایگزین آنها شدهاند که میتوانند دسترسی به Gemini Developer API را برای شما فراهم کنند.
ویژگیهای امنیتی برای برنامههای وب و تلفن همراه
برای برنامههای وب و تلفن همراه، امنیت بسیار مهم است و به ملاحظات ویژهای نیاز دارد زیرا کد شما (ازجمله تماسها با Gemini API) در محیطی محافظتنشده اجرا میشود. میتوانید از Firebase App Check برای محافظت از میاناهای برنامهسازی کاربردی دربرابر سوءاستفاده کارخواهان غیرمجاز استفاده کنید.
وقتی از Firebase App Check با Firebase AI Logic استفاده میکنید، هرگز کلید میانای برنامهسازی کاربردی Gemini را برای Gemini Developer API مستقیماً به پایگاه کد برنامه وب یا تلفن همراهتان اضافه نمیکنید. درعوض، کلید میانای برنامهسازی کاربردی Gemini در سرور باقی میماند و درمعرض عاملان بدخواه قرار نمیگیرد.
بومسازگانی که برای برنامههای وب و تلفن همراه ساخته شده است
Firebase پلاتفرم Google برای توسعه برنامههای وب و تلفن همراه است. استفاده از Firebase AI Logic یعنی برنامههایتان در بومسازگانی قرار دارند که بر نیازهای برنامهها و توسعهدهندگان پشته کامل تمرکز دارد. برای مثال:
بااستفاده از Firebase Remote Config، پیکربندیهای زمان اجرا را بهطور پویا تنظیم کنید یا مقادیر را در برنامهتان (مانند نام و نسخه مدل) بدون انتشار نسخه جدید برنامه تعویض کنید.
از Cloud Storage for Firebase برای گنجاندن فایلهای بزرگ در درخواستهای چندحالتی خود استفاده کنید (اگر از Agent Platform Gemini API (formerly Vertex AI) استفاده میکنید). کیتهای توسعه نرمافزار کارخواه Cloud Storage به شما کمک میکنند بارگذاری و بارگیری فایلها را مدیریت کنید (حتی در شرایط شبکه ضعیف) و امنیت بیشتری برای دادههای کاربران نهایی شما ارائه میدهند. در راهنمای راهحل ما درباره استفاده از Cloud Storage for Firebase بیشتر بدانید.
مدیریت دادههای ساختاریافته بااستفاده از کیتهای توسعه نرمافزار پایگاه داده ساختهشده برای برنامههای وب و تلفن همراه (مثل Cloud Firestore).
انتقال به کیتهای توسعه نرمافزار Firebase AI Logic
نمای کلی مراحل انتقال به کیتهای توسعه نرمافزار Firebase AI Logic:
مرحله ۱: پروژه Firebase جدید یا موجودی راهاندازی کنید و برنامهتان را به Firebase متصل کنید.
مرحله ۲: کیتهای توسعه نرمافزار Firebase AI Logic را به برنامهتان اضافه کنید.
مرحله ۳: واردات و مقداردهی اولیه را در برنامهتان بهروز کنید.
مرحله ۴: بسته به ویژگیهایی که استفاده میکنید، کدتان را بهروز کنید.
مرحله ۱: راهاندازی پروژه Firebase و متصل کردن برنامه
به سیستم کنسول Firebase وارد شوید، و سپس پروژه Firebase خود را انتخاب کنید.
در کنسول Firebase، به سرویسهای هوش مصنوعی > منطق هوش مصنوعی بروید.
روی شروع به کار کلیک کنید تا گردش کار راهنماییشدهای راهاندازی شود که به شما کمک میکند میاناهای برنامهسازی کاربردی و منابع لازم را برای پروژهتان راهاندازی کنید.
Gemini Developer API را انتخاب کنید. هرزمان بخواهید میتوانید ارائهدهنده میانای برنامهسازی کاربردی دیگر را راهاندازی و استفاده کنید.
کنسول میاناهای برنامهسازی کاربردی لازم را فعال خواهد کرد و کلید میانای برنامهسازی کاربردی اختصاصی جدیدی Gemini در پروژهتان ایجاد خواهد کرد.
این کلید میانای برنامهسازی کاربردی Gemini جدید را به پایگاه کد برنامهتان اضافه نکنید. بیشتر بدانیداگر در گردش کار کنسول از شما خواسته شد، دستورالعملهای روی صفحه را برای ثبت برنامه و اتصال آن به Firebase دنبال کنید.
برای بهروزرسانی کتابخانه و مقداردهی اولیه در برنامهتان، این راهنمای انتقال را ادامه دهید.
مرحله ۲: افزودن کیت توسعه نرمافزار Firebase AI Logic به برنامه
با راهاندازی پروژه Firebase و اتصال برنامه به Firebase (مرحله قبلی را ببینید)، اکنون میتوانید Firebase AI Logic SDK را به برنامهتان اضافه کنید.
Swift
از Swift Package Manager برای نصب و مدیریت وابستگیهای Firebase استفاده کنید. درصورت نیاز، با دیگر گزینههای نصب آشنا شوید.
کتابخانه Firebase AI Logic امکان دسترسی به میاناهای برنامهسازی کاربردی را برای تعامل با مدلهای Gemini فراهم میکند. این کتابخانه بهعنوان بخشی از
کیت توسعه نرمافزار Firebase برای پلاتفرمهای Apple (firebase-ios-sdk) گنجانده شده است.
اگر درحالحاضر از Firebase استفاده میکنید، مطمئن شوید که بسته Firebase شما نسخه ۱۲.۵.۰ یا بالاتر باشد.
در Xcode، درحالیکه پروژه برنامهتان باز است، به File > Add Package Dependencies (فایل > افزودن وابستگیهای بسته) بروید.
وقتی خواسته شد، مخزن کیت توسعه نرمافزار Firebase Apple platforms را اضافه کنید:
https://github.com/firebase/firebase-ios-sdkجدیدترین نسخه کیت توسعه نرمافزار را انتخاب کنید.
کتابخانه
FirebaseAILogicو کتابخانهFirebaseAppCheckرا انتخاب کنید.
وقتی تمام شد، Xcode بهطور خودکار شروع به حل و بارگیری وابستگیهای شما در پسزمینه میکند.
Kotlin
Firebase AI Logic SDK for Android (firebase-ai) provides
access to the APIs for interacting with Gemini models.
در فایل Gradle (سطح برنامه)
(مانند <project>/<app-module>/build.gradle.kts)،
وابستگیهای کتابخانههای Firebase AI Logic و App Check
را برای Android اضافه کنید. توصیه میکنیم از
Firebase Android BoM
برای کنترل نسخهبندی کتابخانه استفاده کنید.
dependencies { // ... other androidx dependencies // Import the BoM for the Firebase platform implementation(platform("com.google.firebase:firebase-bom:35.2.0")) // Add the dependencies for the Firebase AI Logic and App Check libraries // When using the BoM, you don't specify versions in Firebase library dependencies implementation("com.google.firebase:firebase-ai") implementation("com.google.firebase:firebase-appcheck-debug") }
بااستفاده از Firebase Android BoM، برنامهتان همیشه از نسخههای سازگار کتابخانههای Firebase Android استفاده خواهد کرد.
Java
Firebase AI Logic SDK for Android (firebase-ai) provides
access to the APIs for interacting with Gemini models.
در فایل Gradle (سطح برنامه)
(مانند <project>/<app-module>/build.gradle.kts)،
وابستگیهای کتابخانههای Firebase AI Logic و App Check
را برای Android اضافه کنید. توصیه میکنیم از
Firebase Android BoM
برای کنترل نسخهبندی کتابخانه استفاده کنید.
برای Java، باید دو کتابخانه دیگر اضافه کنید.
dependencies { // ... other androidx dependencies // Import the BoM for the Firebase platform implementation(platform("com.google.firebase:firebase-bom:35.2.0")) // Add the dependencies for the Firebase AI Logic and App Check libraries // When using the BoM, you don't specify versions in Firebase library dependencies implementation("com.google.firebase:firebase-ai") implementation("com.google.firebase:firebase-appcheck-debug") // Required for one-shot operations (to use `ListenableFuture` from Guava Android) implementation("com.google.guava:guava:31.0.1-android") // Required for streaming operations (to use `Publisher` from Reactive Streams) implementation("org.reactivestreams:reactive-streams:1.0.4") }
بااستفاده از Firebase Android BoM، برنامهتان همیشه از نسخههای سازگار کتابخانههای Firebase Android استفاده خواهد کرد.
Web
کتابخانه Firebase AI Logic امکان دسترسی به میاناهای برنامهسازی کاربردی را برای تعامل با مدلهای Gemini فراهم میکند. این کتابخانه بهعنوان بخشی از کیت توسعه نرمافزار جاوا اسکریپت در Firebase برای وب گنجانده شده است.
نصب کردن کیت توسعه نرمافزار Firebase JS برای وب بااستفاده از npm:
npm install firebaseمقداردهی اولیه Firebase در برنامه شما:
import { initializeApp } from "firebase/app"; import { initializeAppCheck, DebugProvider } from "firebase/app-check"; // TODO(developer) Replace the following with your app's Firebase configuration // See: https://firebase.google.com/docs/web/learn-more#config-object const firebaseConfig = { // ... }; // Initialize FirebaseApp const firebaseApp = initializeApp(firebaseConfig);
Dart
افزایه Firebase AI Logic برای Flutter (firebase_ai) دسترسی به میاناهای برنامهسازی کاربردی را برای تعامل با مدلهای Gemini فراهم میکند.
از فهرست راهنمای پروژه Flutter، دستور زیر را برای نصب افزایههای Firebase AI Logic و App Check اجرا کنید:
flutter pub add firebase_ai firebase_app_checkدر فایل
lib/main.dart، افزونههای Firebase AI Logic و App Check را وارد کنید:import 'package:firebase_core/firebase_core.dart'; import 'package:firebase_ai/firebase_ai.dart'; import 'package:firebase_app_check/firebase_app_check.dart'; import 'firebase_options.dart';همچنین در فایل
lib/main.dart، مطمئن شوید که Firebase را بااستفاده از شیءDefaultFirebaseOptionsصادرشده توسط فایل پیکربندی مقداردهی اولیه کردهاید:await Firebase.initializeApp( options: DefaultFirebaseOptions.currentPlatform, );برنامه Flutter خود را بازسازی کنید:
flutter run
Unity
پشتیبانی از Unity ازطریق کیتهای توسعه نرمافزار کارخواه Google AI دردسترس نبود.
با نحوه شروع به کار با Firebase AI Logic SDK برای Unity آشنا شوید.
کیت توسعه نرمافزار قدیمی را از برنامهتان بردارید
پساز اتمام انتقال برنامهتان (بخشهای باقیمانده در این راهنما را ببینید)، حتماً کتابخانه قدیمی را حذف کنید.
Swift
کتابخانه قدیمی را بردارید:
در Xcode، درحالیکه پروژه برنامهتان باز است، به قاب Packages Dependencies بروید.
بسته
generative-ai-swiftرا از فهرست وابستگیهای بسته انتخاب کنید.روی دکمه
-در پایین فهرست کلیک کنید و برای تأیید روی برداشتن کلیک کنید.
Kotlin
dependencies {
implementation("com.google.ai.client.generativeai:generativeai:VERSION")
}
Java
dependencies {
implementation("com.google.ai.client.generativeai:generativeai:VERSION")
}
Web
// BEFORE
import { initializeApp } from "firebase/app";
import { GoogleGenerativeAI } from "@google/generative-ai";
Dart
حذف بسته قدیمی:
flutter pub remove google_generative_ai
Unity
پشتیبانی Unity ازطریق کیتهای توسعه نرمافزار کارخواه Google AI دردسترس نبود.
با نحوه شروع به کار با کیت توسعه نرمافزار Firebase AI Logic برای Unity آشنا شوید.
مرحله ۳: واردات و مقداردهی اولیه را در برنامهتان بهروز کنید
واردات خود و نحوه مقداردهی اولیه سرویس پسزمانی Gemini Developer API و ایجاد نمونه GenerativeModel را بهروز کنید.
Swift
// BEFOREimport GoogleGenerativeAI let model = GenerativeModel(name: "MODEL_NAME", apiKey: APIKey.default)// AFTER import FirebaseAILogic // Initialize the Gemini Developer API backend service let ai = FirebaseAI.firebaseAI(backend: .googleAI()) // Create a `GenerativeModel` instance with a model that supports your use case let model = ai.generativeModel(modelName: "gemini-4-hydrogen")
Kotlin
// BEFOREimport com.google.ai.client.generativeai.Chat import com.google.ai.client.generativeai.type.Content import com.google.ai.client.generativeai.java.GenerativeModuleFutures...val generativeModel = GenerativeModel(modelName = "MODEL_NAME", // Access your API key as a Build Configuration variable apiKey = BuildConfig.apiKey )// AFTER import com.google.firebase.Firebase import com.google.firebase.ai.ai import com.google.firebase.ai.type.GenerativeBackend ... // Initialize the Gemini Developer API backend service. // Create a `GenerativeModel` instance with a model that supports your use case. val model = Firebase.ai(backend = GenerativeBackend.googleAI()) .generativeModel("gemini-4-hydrogen")
Java
// BEFOREimport com.google.ai.client.generativeai.Chat; import com.google.ai.client.generativeai.type.Content; import com.google.ai.client.generativeai.java.GenerativeModuleFutures;...GenerativeModel gm = new GenerativeModel("MODEL_NAME", // Access your API key as a Build Configuration variable BuildConfig.apiKey ); GenerativeModelFutures model = GenerativeModelFutures.from(gm);// AFTER import com.google.firebase.ai.FirebaseAI; import com.google.firebase.ai.GenerativeModel; import com.google.firebase.ai.java.GenerativeModelFutures; import com.google.firebase.ai.type.GenerativeBackend; ... // Initialize the Gemini Developer API backend service. // Create a `GenerativeModel` instance with a model that supports your use case. GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.googleAI()) .generativeModel("gemini-4-hydrogen"); // Use the GenerativeModelFutures Java compatibility layer which offers // support for ListenableFuture and Publisher APIs GenerativeModelFutures model = GenerativeModelFutures.from(ai);
Web
// BEFOREimport { GoogleGenerativeAI } from "@google/generative-ai"; // Fetch your API_KEY and access your API const API_KEY = "..."; const genAI = new GoogleGenerativeAI(API_KEY);...const model = genAI.getGenerativeModel({ model: "MODEL_NAME"});// AFTER import { initializeApp } from "firebase/app"; import { getAI, getGenerativeModel, GoogleAIBackend } from "firebase/ai"; // TODO(developer): Replace the following with your app's Firebase configuration // See: https://firebase.google.com/docs/web/learn-more#config-object const firebaseConfig = { // ... }; // Initialize FirebaseApp const firebaseApp = initializeApp(firebaseConfig); // Initialize the Gemini Developer API backend service. const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() }); // Create a `GenerativeModel` instance with a model that supports your use case. const model = getGenerativeModel(ai, { model: "gemini-4-hydrogen" });
Dart
// BEFOREimport 'package:google_generative_ai/google_generative_ai.dart'; final apiKey = Platform.environment['API_KEY']; if (apiKey == null) { print('No \$API_KEY environment variable'); exit(1); } final model = GenerativeModel(model: 'MODEL_NAME', apiKey: apiKey);// AFTER import 'package:firebase_ai/firebase_ai.dart'; import 'package:firebase_core/firebase_core.dart'; import 'firebase_options.dart'; // Initialize FirebaseApp await Firebase.initializeApp( options: DefaultFirebaseOptions.currentPlatform, ); // Initialize the Gemini Developer API backend service // Create a `GenerativeModel` instance with a model that supports your use case final model = FirebaseAI.googleAI().generativeModel(model: 'gemini-4-hydrogen');
Unity
پشتیبانی Unity ازطریق کیتهای توسعه نرمافزار کارخواه Google AI دردسترس نبود.
با نحوه شروع به کار با کیت توسعه نرمافزار Firebase AI Logic برای Unity آشنا شوید.
توجه داشته باشید که بسته به قابلیتی که استفاده میکنید، ممکن است همیشه
نمونه GenerativeModel ایجاد نکنید. برای
جاریسازی ورودی و خروجی بااستفاده از Gemini Live API،
یک نمونه LiveModel ایجاد کنید.
مرحله ۴: بهروزرسانی کد بسته به ویژگیهایی که استفاده میکنید
این مرحله تغییراتی را شرح میدهد که ممکن است بسته به ویژگیهایی که استفاده میکنید لازم باشد.
کیتهای توسعه نرمافزار کارخواه Firebase AI Logic از اجرای کد پشتیبانی نمیکنند. اگر از این ویژگی استفاده میکنید، حتماً آن را در برنامهتان لحاظ کنید.
فهرستهای زیر را برای هرگونه تغییری که ممکن است لازم باشد در کد خود ایجاد کنید تا با انتقال به کیتهای توسعه نرمافزار کارخواه Firebase AI Logic سازگار شود، مرور کنید.
برای همه زبانها و پلاتفرمها الزامی است
فراخوانی تابع
اگر این ویژگی را پیادهسازی کردهاید، باید نحوه تعریف طرحوارهتان را بهروز کنید. توصیه میکنیم راهنمای فراخوانی تابع بهروزشده را مرور کنید تا با نحوه نوشتن اعلانهای تابع آشنا شوید.تولید برونداد ساختاریافته (مانند JSON) بااستفاده از
responseSchema
اگر این ویژگی را پیادهسازی کردهاید، باید نحوه تعریف طرحوارهتان را بهروز کنید. توصیه میکنیم راهنمای خروجی ساختاریافته جدید را مرور کنید تا با نحوه نوشتن طرحوارههای JSON آشنا شوید.توقف موقت
- زمان استراحت پیشفرض برای درخواستها به ۱۸۰ ثانیه تغییر کرد.
براساس پلاتفرم یا زبان لازم است
Swift
شمارشها
بیشتر انواع
enumباstructبا متغیرهای ایستا جایگزین شد. این تغییر انعطافپذیری بیشتری برای توسعه میانای برنامهسازی کاربردی بهصورت سازگار با نسخه قدیمی فراهم میکند. هنگام استفاده از عبارتهایswitch، اکنون باید یک موردdefault:اضافه کنید تا مقادیر ناشناخته یا مدیریتنشده را پوشش دهد، ازجمله مقادیر جدیدی که در آینده به کیت توسعه نرمافزار اضافه میشود.نام شمارش
BlockThresholdبهHarmBlockThresholdتغییر کرد؛ این نوع اکنونstructاست.موارد
unknownوunspecifiedاز شمارشهای زیر برداشته شد (اکنونstruct):HarmCategory،HarmBlockThreshold،HarmProbability،BlockReason، وFinishReason.شمارش
ModelContent.Partبا پروتکلی بهنامPartجایگزین شد تا انواع جدید بتوانند بهروشی سازگار با نسخه قدیمی اضافه شوند. این تغییر با جزئیات بیشتر در بخش بخشهای محتوا شرح داده شده است.
بخشهای محتوا
پروتکل
ThrowingPartsRepresentableرا برداشتیم و مقداردهیهای اولیه برایModelContentرا ساده کردیم تا از خطاهای گاهبهگاه کامپایلر جلوگیری شود. تصاویری که بهدرستی کدگذاری نشدهاند، همچنان هنگام استفاده درgenerateContentخطا ایجاد میکنند.موارد
ModelContent.Partبا انواعstructزیر که با پروتکلPartمطابقت دارند جایگزین شد:-
.textبهTextPart -
.dataبهInlineDataPart -
.fileDataبهFileDataPart -
.functionCallبهFunctionCallPart -
.functionResponseبهFunctionResponsePart
-
دسته آسیب
HarmCategoryتغییر کرد تا دیگر در نوعSafetySettingتودرتو نباشد. اگر به آن بهعنوانSafetySetting.HarmCategoryاشاره میکنید، میتوان آن را باHarmCategoryجایگزین کرد.
بازخورد ایمنی
- نوع
SafetyFeedbackبرداشته شد، زیرا در هیچیک از پاسخها استفاده نشده بود.
- نوع
فراداده استناد
- نام خصوصیت
citationSourcesبهcitationsدرCitationMetadataتغییر کرد.
- نام خصوصیت
مجموع نویسههای قابلصورتحساب
- ویژگی
totalBillableCharactersدرCountTokensResponseرا تغییر دادیم تا اختیاری باشد و شرایطی را که هیچ نویسهای ارسال نمیشود منعکس کند.
- ویژگی
پاسخ نامزد
- نام
CandidateResponseبهCandidateتغییر کرد تا با پلاتفرمهای دیگر مطابقت داشته باشد.
- نام
پیکربندی تولید
- ویژگیهای عمومی
GenerationConfigرا بهinternalتغییر داد. همه آنها در مقداردهی اولیه قابلپیکربندی باقی میمانند.
- ویژگیهای عمومی
Kotlin
شمارشها
enumکلاس وsealedکلاس با کلاسهای معمولی جایگزین شد. این تغییر انعطافپذیری بیشتری برای توسعه میانای برنامهسازی کاربردی بهصورت سازگار با نسخه قدیمی فراهم میکند.نام شمارش
BlockThresholdبهHarmBlockThresholdتغییر کرد.مقادیر از شمارشهای زیر برداشته شد:
HarmBlockThreshold،HarmProbability،HarmSeverity،BlockReason، وFinishReason.
روشهای Blob
- نام همه روشهایی را که
Blobبخشی از نامشان بود تغییر دادیم تا بهجای آن ازInlineDataاستفاده کنند.
- نام همه روشهایی را که
تنظیمات ایمنی
- فیلد
methodبه حالت تهیپذیر تغییر کرد.
- فیلد
کلاس مدت
- همه موارد استفاده از کلاس
DurationKotlin را بردارید و آن را باlongجایگزین کنید. این تغییر قابلیت همکاری بهتری با Java فراهم میکند.
- همه موارد استفاده از کلاس
فراداده استناد
- همه فیلدهایی که قبلاً در
CitationMetadataاعلام شده بود در کلاس جدیدی بهنامCitationقرار داده شد. نقلقولها را میتوانید در فهرستی بهنامcitationsدرCitationMetadataپیدا کنید. این تغییر باعث همترازی بهتر انواع در پلاتفرمها میشود.
- همه فیلدهایی که قبلاً در
شمارش دادهواحدها
- فیلد
totalBillableCharactersبه حالت تهیپذیر تغییر کرد.
- فیلد
مجموع نویسههای قابلصورتحساب
- ویژگی
totalBillableCharactersدرCountTokensResponseرا تغییر دادیم تا اختیاری باشد و شرایطی را که هیچ نویسهای ارسال نمیشود منعکس کند.
- ویژگی
نمونهسازی مدل
- پارامتر
requestOptionsبه انتهای فهرست پارامترها منتقل شد تا با پلاتفرمهای دیگر همراستا شود.
- پارامتر
Java
شمارشها
enumکلاس وsealedکلاس با کلاسهای معمولی جایگزین شد. این تغییر انعطافپذیری بیشتری برای توسعه میانای برنامهسازی کاربردی بهصورت سازگار با نسخه قدیمی فراهم میکند.نام شمارش
BlockThresholdبهHarmBlockThresholdتغییر کرد.مقادیر از شمارشهای زیر برداشته شد:
HarmBlockThreshold،HarmProbability،HarmSeverity،BlockReason، وFinishReason.
روشهای Blob
- نام همه روشهایی را که
Blobبخشی از نامشان بود تغییر دادیم تا بهجای آن ازInlineDataاستفاده کنند.
- نام همه روشهایی را که
تنظیمات ایمنی
- فیلد
methodبه حالت تهیپذیر تغییر کرد.
- فیلد
کلاس مدت
- همه موارد استفاده از کلاس
DurationKotlin را بردارید و آن را باlongجایگزین کنید. این تغییر قابلیت همکاری بهتری با Java فراهم میکند.
- همه موارد استفاده از کلاس
فراداده استناد
- همه فیلدهایی که قبلاً در
CitationMetadataاعلام شده بود در کلاس جدیدی بهنامCitationقرار داده شد. نقلقولها را میتوانید در فهرستی بهنامcitationsدرCitationMetadataپیدا کنید. این تغییر باعث همترازی بهتر انواع در پلاتفرمها میشود.
- همه فیلدهایی که قبلاً در
شمارش دادهواحدها
- فیلد
totalBillableCharactersبه حالت تهیپذیر تغییر کرد.
- فیلد
مجموع نویسههای قابلصورتحساب
- ویژگی
totalBillableCharactersدرCountTokensResponseرا تغییر دادیم تا اختیاری باشد و شرایطی را که هیچ نویسهای ارسال نمیشود منعکس کند.
- ویژگی
نمونهسازی مدل
- پارامتر
requestOptionsبه انتهای فهرست پارامترها منتقل شد تا با پلاتفرمهای دیگر همراستا شود.
- پارامتر
Web
توجه داشته باشید که کیت توسعه نرمافزار کلاینت Google AI برای جاوا اسکریپت از زمانی که کیتهای توسعه نرمافزار کلاینت Firebase AI Logic از آن منشعب شدهاند، تغییرات زیادی داشته است. فهرست زیر برخیاز تغییرات احتمالی است که ممکن است لازم باشد هنگام انتقال به کیتهای توسعه نرمافزار مشتری Firebase AI Logic درنظر بگیرید.
شمارشها
- مقادیر از شمارشهای زیر برداشته شد:
HarmCategory،BlockThreshold،HarmProbability،HarmSeverity،BlockReason، وFinishReason.
- مقادیر از شمارشهای زیر برداشته شد:
دلیل مسدود کردن
-
blockReasonدرPromptFeedbackبه اختیاری تغییر کرد.
-
زمینهسازی جستجو
- همه موارد استفاده از این ویژگی برداشته شد، چون هنوز در کیتهای توسعه نرمافزار Firebase AI Logic پشتیبانی نمیشود.
خطاها
- همه موارد استفاده از
GoogleGenerativeAIErrorرا بردارید و درصورت تمایل بهAIErrorمنتقل کنید.
- همه موارد استفاده از
Dart
شمارشها
- مقادیر از شمارشهای زیر برداشته شد:
HarmCategory،HarmProbability،BlockReason، وFinishReason.
- مقادیر از شمارشهای زیر برداشته شد:
بخش داده
- نام
DataPartبهInlineDataPartو تابعstaticdataبهinlineDataتغییر کرد تا با پلاتفرمهای دیگر همسو شود.
- نام
گزینههای درخواست
-
RequestOptionsبرداشته شد چونtimeoutکار نمیکرد. در آینده نزدیک دوباره اضافه خواهد شد، اما برای مطابقت با پلاتفرمهای دیگر به نوعGenerativeModelمنتقل خواهد شد.
-
توالیهای توقف
- پارامتر
stopSequencesدرGenerationConfigرا تغییر دادیم تا اختیاری باشد و بهجای آرایه خالی، بهطور پیشفرضnullباشد.
- پارامتر
استنادها
- نام خصوصیت
citationSourcesبهcitationsدرCitationMetadataتغییر کرد. نوعCitationSourceبهCitationتغییر نام داد تا با پلاتفرمهای دیگر مطابقت داشته باشد.
- نام خصوصیت
انواع، روشها، و ویژگیهای عمومی غیرضروری
- انواع، روشها، و ویژگیهای زیر که بهطور ناخواسته درمعرض دید قرار گرفته بودند برداشته شدند:
defaultTimeout،CountTokensResponseFields،parseCountTokensResponse،parseEmbedContentResponse،parseGenerateContentResponse،parseContent،BatchEmbedContentsResponse،ContentEmbedding،EmbedContentRequest، وEmbedContentResponse.
- انواع، روشها، و ویژگیهای زیر که بهطور ناخواسته درمعرض دید قرار گرفته بودند برداشته شدند:
شمارش دادهواحدها
- فیلدهای اضافی از تابع
countTokensکه دیگر لازم نیستند برداشته شد. فقطcontentsلازم است.
- فیلدهای اضافی از تابع
نمونهسازی مدل
- پارامتر
systemInstructionرا به انتهای فهرست پارامترها منتقل کردیم تا با پلاتفرمهای دیگر همراستا شود.
- پارامتر
عملکرد جاسازی
- عملکرد جاسازی پشتیبانینشده (
embedContentوbatchEmbedContents) از مدل برداشته شد.
- عملکرد جاسازی پشتیبانینشده (
Unity
پشتیبانی Unity ازطریق کیتهای توسعه نرمافزار کارخواه Google AI دردسترس نبود.
با نحوه شروع به کار با کیت توسعه نرمافزار Firebase AI Logic برای Unity آشنا شوید.
درباره تجربهتان با Firebase AI Logic بازخورد ارائه دهید