از کمک هوش مصنوعی برای طرحواره ها، پرس و جوها و جهش های Firebase Data Connect استفاده کنید

می‌توانید از Gemini در Firebase استفاده کنید تا به شما در ایجاد طرح‌واره‌ها، پرسش‌ها و جهش‌ها برای گنجاندن در کد سمت مشتری خود کمک کند.

یک برنامه را توصیف کنید و مدل داده‌های آن را خلاصه کنید، یا پرس و جو یا جهشی را که می‌خواهید به زبان طبیعی ایجاد کنید، توصیف کنید، و Gemini در Firebase معادل GraphQL خود را در اختیار شما قرار می‌دهد.

این کمک هوش مصنوعی در بسیاری از زمینه های توسعه در دسترس است:

  • در کنسول Firebase ، خروجی را اجرا و آزمایش کنید، طرح و عملیات خود را برای تولید مستقر کنید، و آنها را با محیط توسعه محلی خود همگام کنید.
  • به صورت محلی، در افزونه Data Connect VS Code ما، با استفاده از Gemini Code Assist با پایگاه داده و شبیه ساز محلی PostgreSQL طراحی، اجرا و آزمایش کنید.

در طرح‌واره‌ها، پرسش‌ها و جهش‌های Data Connect درباره پرس و جوها و جهش‌ها بیشتر بیاموزید.

چگونه AI assistance for Data Connect از داده های شما استفاده می کند

برای اطلاعات بیشتر درباره نحوه استفاده Gemini در Firebase از داده‌های شما، نحوه استفاده Gemini در Firebase از داده‌های شما را ببینید.

راه‌اندازی AI assistance for Data Connect

برای راه‌اندازی کمک هوش مصنوعی در Data Connect ، Gemini را در Firebase همانطور که در Set up Gemini در Firebase توضیح داده شد، فعال کنید، سپس به ایجاد جستارها و جهش‌های GraphQL با Gemini در Firebase ادامه دهید.

طرحواره ها، پرس و جوها و جهش های GraphQL را با Gemini در Firebase ایجاد کنید

کمک هوش مصنوعی برای Data Connect در بسیاری از زمینه ها و در بسیاری از گردش کار شما در دسترس است.

یک برنامه جدید و طرح و عملیات اولیه آن در کنسول Firebase ایجاد کنید

هنگامی که یک پروژه Firebase جدید ایجاد می کنید و برای توسعه یک برنامه جدید راه اندازی می کنید، کنسول Firebase به طور خودکار کمک هوش مصنوعی را برای تولید طرح و عملیات ارائه می دهد.

این جریان راه‌اندازی به شما امکان می‌دهد یک برنامه و سپس کمک هوش مصنوعی را توصیف کنید:

  • یک طرح کامل Data Connect ایجاد می کند
  • مجموعه ای مفید و اصلی از پرس و جوها و جهش ها را ایجاد می کند که سپس می توانید با کد مشتری ادغام کنید.

شما این منابع ایجاد شده در کنسول را با محیط توسعه محلی خود برای ادامه ادغام با مشتریان خود همگام می کنید.

این گردش کار در راهنمای شروع ما توضیح داده شده است.

پرس و جوها و جهش های جدید را برای اجرا در کنسول Firebase اضافه کنید

برای استفاده از AI assistance for Data Connect برای تولید GraphQL بر اساس زبان طبیعی:

  1. Data Connect در پروژه خود باز کنید و در قسمت Services ، منبع داده خود را انتخاب کنید.

  2. روی داده کلیک کنید.

  3. روی نماد Help me write GraphQL pen_spark کلیک کنید.

  4. در داخل فیلد نوشتاری که ظاهر می‌شود، پرس و جو یا جهشی را که می‌خواهید ایجاد کنید به زبان طبیعی توصیف کنید و روی Generate کلیک کنید.

    برای مثال، اگر از منبع داده فیلم‌ها استفاده می‌کنید که در آزمایشگاه کد «Build with Data Connect (web)» ارجاع داده شده است، می‌توانید بپرسید، « پنج فیلم برتر سال 2022 را به ترتیب نزولی بر اساس رتبه‌بندی برگردانید »، که ممکن است نتیجه‌ای مانند زیر را نشان دهد:

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

  5. پاسخ را مرور کنید:

    • اگر پاسخ درست به نظر می رسد، روی Insert کلیک کنید تا پاسخ را در ویرایشگر کد وارد کنید.
    • اگر پاسخ را می‌توان اصلاح کرد، روی ویرایش کلیک کنید، درخواست را به‌روزرسانی کنید و روی «بازسازی» کلیک کنید.

  6. پس از اینکه پاسخ را پذیرفتید، در صورت وجود، موارد زیر را در بخش پارامترها تنظیم کنید:

    • متغیرها : اگر پرس و جو یا جهش شما حاوی متغیرهایی است، آنها را در اینجا تعریف کنید. از JSON برای تعریف آنها استفاده کنید، برای مثال، {"title":"The Matrix", "releaseYear":"1999"} .
    • مجوز : زمینه مجوز را انتخاب کنید (مدیر، احراز هویت یا احراز هویت نشده) که با آن پرس و جو یا جهش اجرا شود.

  7. روی Run در ویرایشگر کد کلیک کنید و نتایج را بررسی کنید.

برای آزمایش چند پرس و جو یا جهش در ویرایشگر کد، مطمئن شوید که نام آنها وجود دارد. به عنوان مثال، کوئری زیر GetMovie نام دارد. مکان نما خود را به خط اول پرس و جو یا جهش ببرید تا دکمه Run فعال شود.

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

یک طرح اولیه و عملیات در طول نمونه سازی محلی ایجاد کنید

وقتی از Visual Studio Code و افزونه Data Connect VS Code ما استفاده می کنید، کمک هوش مصنوعی از Gemini Code Assist برای کارهای نمونه سازی محلی شما در دسترس است.

برنامه افزودنی به شما امکان می دهد یک برنامه و سپس Gemini Code Assist را توصیف کنید:

  • یک طرح کامل Data Connect ایجاد می کند
  • مجموعه ای مفید و اصلی از پرس و جوها و جهش ها را ایجاد می کند که سپس می توانید با کد مشتری ادغام کنید.

این گردش کار در راهنمای شروع ما برای نمونه سازی محلی توضیح داده شده است.

AI assistance for Data Connect

بخش‌های زیر نمونه‌ای از موارد استفاده را شرح می‌دهند، از جمله مواردی که می‌توانید از Gemini بخواهید به شما کمک کند تا یک جهش ایجاد کنید تا Data Connect پر کنید و سپس آن را برای تأیید نتایج جستجو کنید.

یک جهش ایجاد کنید که یک فیلم را بر اساس ورودی کاربر به پایگاه داده اضافه می کند

در این بخش، مثالی از استفاده از زبان طبیعی برای تولید GraphQL برای یک جهش می‌بینید که می‌توانید از آن برای پر کردن پایگاه داده خود استفاده کنید. این مثال فرض می‌کند که شما از طرح پایگاه داده فیلم استفاده می‌کنید که در اسناد Firebase Data Connect و Codelab "Build with Data Connect (web)" استفاده می‌شود.

  1. از کنسول Firebase ، Data Connect باز کنید.

  2. سرویس و منبع داده خود را انتخاب کنید، سپس تب Data را باز کنید.

  3. روی نماد Help me write GraphQL pen_spark کلیک کنید و در کادری که ظاهر می‌شود، درخواست خود را تایپ کنید:

    Create a movie based on user input.

  4. روی Generate کلیک کنید. جهش برگردانده شده است. برای مثال، Gemini ممکن است جهشی مانند:

    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. خروجی را مرور کنید. در صورت نیاز، روی Edit کلیک کنید تا درخواست اصلاح شود و روی Regenerate کلیک کنید.

  6. سپس روی Insert کلیک کنید تا جهش در ویرایشگر داده وارد شود.

  7. برای اجرای جهش، باید متغیرهایی را اضافه کنید. از قسمت Parameters ، Variables را باز کنید و چند متغیر تست را در آن قرار دهید:

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

  8. روی Run کلیک کنید.

  9. بعد، یک پرسش ایجاد کنید که تأیید کند فیلم شما اضافه شده است. روی Help me write GraphQL pen_spark کلیک کنید و در کادری که ظاهر می‌شود، دستور خود را تایپ کنید:

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

    جمینی ممکن است پاسخی مانند زیر بدهد:

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

  10. پرس و جو را وارد و اجرا کنید. فیلمی که اضافه کردید باید در قسمت History ظاهر شود.

پرس و جوی ایجاد کنید که نظرات را بر اساس ژانر و رتبه بندی ارائه شده توسط کاربر فهرست کند

در این بخش، نمونه ای از استفاده از زبان طبیعی برای تولید GraphQL برای یک پرس و جو را مشاهده خواهید کرد. این مثال فرض می‌کند که شما از پایگاه داده فیلم استفاده شده در اسناد Firebase Data Connect و Codelab "Build with Data Connect (web)" استفاده می‌کنید.

  1. از کنسول Firebase ، Data Connect باز کنید.

  2. سرویس و منبع داده خود را انتخاب کنید، سپس تب Data را باز کنید.

  3. روی نماد Help me write GraphQL pen_spark کلیک کنید و در کادری که ظاهر می‌شود، درخواست خود را تایپ کنید:

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

  4. روی Generate کلیک کنید. پرس و جو برگردانده می شود. به عنوان مثال، Gemini ممکن است درخواستی مانند:

    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. خروجی را مرور کنید. در صورت نیاز، روی Edit کلیک کنید تا درخواست اصلاح شود و روی Regenerate کلیک کنید.

  6. سپس روی Insert کلیک کنید تا جهش در ویرایشگر داده وارد شود.

  7. برای آزمایش این پرس و جو، باید متغیرهایی را اضافه کنید. از قسمت Parameters ، متغیرها را باز کنید و متغیرهایی را برای آزمایش استفاده کنید: 

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

  8. روی Run کلیک کنید.

درخواست طراحی برای استفاده با ابزارهای کمکی هوش مصنوعی شخص ثالث

مانند همه ابزارها و عوامل کمکی هوش مصنوعی، هرچه اعلان های شما بهتر باشد، خروجی های شما مفیدتر خواهد بود.

وقتی در Firebase درخواست‌های زبان طبیعی را برای Gemini ارائه می‌کنید، در پشت صحنه، دستیار ورودی‌های شما را به یک درخواست کاملاً توسعه‌یافته‌تر ترجمه می‌کند.

اگر از Gemini در Firebase یا سایر کمک‌های هوش مصنوعی Firebase استفاده نمی‌کنید و با ابزارهای هوش مصنوعی شخص ثالث مانند Cursor یا Windsurf کار می‌کنید، می‌توانید با استفاده از اعلان‌های مشابه، توصیه‌های بهتری درباره Data Connect دریافت کنید.

ما الگوهایی را برای دانلود، تطبیق و کپی کردن در IDE خود برای شما منتشر کرده ایم:

پس از بارگیری و اصلاح، در ابزار آشنا (مثلاً Cursor یا Windsurf) یک درخواست به صورت زیر ایجاد کنید:

  • در مکان نما (حتماً آخرین دستورالعمل های مکان نما را مرور کنید):

    1. روی نماد تنظیمات در بالا سمت راست کلیک کنید.
    2. تب Rules را انتخاب کنید.
    3. در زیر قوانین پروژه ، روی دکمه افزودن یک قانون جدید کلیک کنید.
    4. قانون را کپی و پیست کنید.

  • در Windsurf (حتما آخرین دستورالعمل های Windsurf را مرور کنید):

    1. پنجره Cascade را با کلیک بر روی دکمه Cascade در گوشه سمت راست بالا باز کنید.
    2. روی نماد Customizations در منوی کشویی بالا سمت راست در Cascade کلیک کنید، سپس به پانل Rules بروید.
    3. روی دکمه + Global یا + Workspace کلیک کنید تا قوانین جدیدی به ترتیب در سطح جهانی یا Workspace ایجاد کنید.
    4. قانون را کپی و پیست کنید.

عیب‌یابی AI assistance for Data Connect

به عیب یابی Gemini در Firebase مراجعه کنید.

قیمت گذاری

AI assistance for Data Connect به‌عنوان بخشی از Gemini در Firebase در دسترس است که برای کاربران فردی گنجانده شده است.

برای اطلاعات بیشتر به قیمت Gemini در Firebase مراجعه کنید.

مراحل بعدی