Per Firebase AI Logic, la console Firebase fornisce un'interfaccia utente guidata per specificare i contenuti di un modello. Tuttavia, esistono diversi casi d'uso in cui potresti aver bisogno di modi più avanzati per configurare un modello, tra cui:
I workflow avanzati descritti in questa pagina utilizzano l'API REST Firebase AI Logic.
Tieni presente quanto segue quando utilizzi l'API REST:
Se esegui il provisioning di un modello in una località specifica, la richiesta della tua app deve accedere al modello nella stessa località. Se le località non corrispondono, la richiesta non andrà a buon fine.
L'elenco dei modelli nella console Firebase mostra solo i modelli di cui è stato eseguito il provisioning (almeno) nella località
global.Se un modello è sbloccato, puoi sovrascriverlo utilizzando lo stesso ID modello nella chiamata API REST. Un modello bloccato non può essere sovrascritto.
Specifica una posizione per un modello
Questa sezione è applicabile solo se utilizzi Vertex AI Gemini API e il tuo caso d'uso richiede limitazioni basate sulla posizione. Scopri di più su come impostare una posizione per accedere a un modello.
Per impostazione predefinita, quando utilizzi la UI guidata nella console Firebase, eseguiamo il provisioning del modello in tutte le regioni disponibili per Firebase AI Logic. In questo modo, il modello sarà disponibile indipendentemente dalla località impostata nella richiesta. Tuttavia, se vuoi che il template sia disponibile solo in una località specifica, devi crearlo utilizzando la nostra API REST.
Quando chiami l'endpoint projects.locations.templates.create, specifica il location del modello durante la creazione di un PromptTemplate.
Fornisci il modello come file
Puoi fornire i contenuti di un file modello di prompt del server chiamando l'endpoint projects.locations.templates.create.