KI-Unterstützung für Firebase Data Connect-Abfragen und -Mutationen verwenden

Sie können Gemini in Firebase in der Firebase-Konsole verwenden, um Abfragen und Mutationen zu erstellen, die in Ihren clientseitigen Code aufgenommen werden sollen. Beschreiben Sie die Abfrage oder Mutation, die Sie generieren möchten, in natürlicher Sprache. Gemini in Firebase stellt Ihnen dann das entsprechende GraphQL-Äquivalent zur Verfügung. Führen Sie die Ausgabe in der Firebase-Konsole aus und testen Sie sie. Kopieren Sie dann die endgültigen Abfragen und Mutationen in Ihren Code.

Weitere Informationen zu Abfragen und Mutationen finden Sie unter Data Connect Schemas, Abfragen und Mutationen.

Wie AI assistance for Data Connect in the Firebase console Ihre Daten verwendet

Weitere Informationen dazu, wie Gemini in Firebase Ihre Daten verwendet, finden Sie unter So verwendet Gemini in Firebase Ihre Daten.

AI assistance for Data Connect in the Firebase console einrichten

Wenn Sie die KI-Unterstützung in Data Connect einrichten möchten, aktivieren Sie Gemini in Firebase wie unter Gemini in Firebase einrichten beschrieben und fahren Sie mit GraphQL-Abfragen und ‑Mutationen mit Gemini in Firebase generieren fort.

GraphQL-Abfragen und ‑Mutationen mit Gemini in Firebase generieren

So verwenden Sie AI assistance for Data Connect in the Firebase console, um GraphQL auf der Grundlage von natürlicher Sprache zu generieren:

  1. Öffnen Sie Data Connect in Ihrem Projekt und wählen Sie unter Dienste Ihre Datenquelle aus.

  2. Klicken Sie auf Daten.

  3. Klicken Sie auf das Symbol Hilfe beim Verfassen von GraphQLpen_spark.

  4. Beschreiben Sie im angezeigten Textfeld die Abfrage oder Mutation, die Sie generieren möchten, in natürlicher Sprache und klicken Sie auf Generieren.

    Wenn Sie beispielsweise die Datenquelle „Filme“ verwenden, auf die in der Firebase Data Connect-Schnellstartanleitung verwiesen wird, und das Data Connect-Codelab zum Erstellen von Apps, könnten Sie fragen: Die fünf besten Filme des Jahres 2022 in absteigender Reihenfolge nach Bewertung zurückgeben. Dies könnte ein Ergebnis wie das folgende liefern:

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

  5. Prüfen Sie die Antwort:

    • Wenn die Antwort korrekt aussieht, klicken Sie auf Einfügen, um sie in den Code-Editor einzufügen.
    • Wenn die Antwort optimiert werden könnte, klicken Sie auf Bearbeiten, aktualisieren Sie die Aufforderung und klicken Sie auf Neu generieren.

  6. Nachdem Sie die Antwort akzeptiert haben, legen Sie gegebenenfalls im Abschnitt Parameter Folgendes fest:

    • Variablen: Wenn Ihre Abfrage oder Mutation Variablen enthält, definieren Sie sie hier. Definieren Sie sie mit JSON, z. B. {"title":"The Matrix", "releaseYear":"1999"}.
    • Autorisierung: Wählen Sie den Autorisierungskontext (Administrator, Authentifiziert oder Nicht authentifiziert) aus, mit dem die Abfrage oder Mutation ausgeführt werden soll.

  7. Klicken Sie im Code-Editor auf Ausführen und sehen Sie sich die Ergebnisse an.

Wenn Sie mehrere Abfragen oder Mutationen im Code-Editor testen möchten, müssen sie benannt sein. Die folgende Abfrage heißt beispielsweise GetMovie. Bewegen Sie den Cursor in die erste Zeile der Abfrage oder Mutation, um die Schaltfläche Ausführen zu aktivieren.

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

Anwendungsfälle für AI assistance for Data Connect in the Firebase console

In den folgenden Abschnitten werden Beispielanwendungsfälle beschrieben. In einem Fall können Sie Gemini bitten, Ihnen bei der Erstellung einer Mutation zu helfen, um Data Connect zu befüllen, und sie dann abfragen, um die Ergebnisse zu überprüfen.

Eine Mutation erstellen, die der Datenbank basierend auf der Nutzereingabe einen Film hinzufügt

In diesem Abschnitt sehen Sie sich ein Beispiel an, in dem mithilfe von natürlicher Sprache GraphQL für eine Mutation generiert wird, mit der Sie Ihre Datenbank füllen können. In diesem Beispiel wird davon ausgegangen, dass Sie das Filmdatenbankschema verwenden, das in der Firebase Data Connect-Dokumentation und im Data Connect-Codelab zum Erstellen verwendet wird.

  1. Öffnen Sie in der Firebase-Konsole Data Connect.

  2. Wählen Sie den Dienst und die Datenquelle aus und öffnen Sie den Tab Daten.

  3. Klicken Sie auf das Symbol Hilfe beim Verfassen von GraphQLpen_spark und geben Sie in das angezeigte Feld Ihre Abfrage ein:

    Create a movie based on user input.

  4. Klicken Sie auf Erstellen. Die Mutation wird zurückgegeben. Gemini gibt beispielsweise eine Mutation wie die folgende zurück:

    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. Sehen Sie sich die Ausgabe an. Klicken Sie bei Bedarf auf Bearbeiten, um den Prompt zu verfeinern, und dann auf Neu generieren.

  6. Klicken Sie dann auf Einfügen, um die Mutation in den Dateneditor einzufügen.

  7. Um die Mutation auszuführen, müssen Sie Variablen hinzufügen. Öffnen Sie im Bereich Parameter die Variablen und fügen Sie einige Testvariablen hinzu:

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

  8. Klicken Sie auf Ausführen.

  9. Erstellen Sie als Nächstes eine Abfrage, um zu prüfen, ob Ihr Film hinzugefügt wurde. Klicken Sie auf Hilfe beim Verfassen von GraphQL pen_spark und geben Sie in das angezeigte Feld Ihren Prompt ein:

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

    Gemini gibt dann möglicherweise eine Antwort wie die folgende zurück:

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

  10. Fügen Sie die Abfrage ein und führen Sie sie aus. Der hinzugefügte Film sollte im Feld Verlauf angezeigt werden.

Abfrage erstellen, in der Rezensionen basierend auf von Nutzern bereitgestellten Genres und Bewertungen aufgelistet werden

In diesem Abschnitt sehen Sie sich ein Beispiel an, in dem GraphQL für eine Abfrage mit natürlicher Sprache generiert wird. In diesem Beispiel wird davon ausgegangen, dass Sie die Filmdatenbank verwenden, die in der Firebase Data Connect Anleitung und im Data Connect-Codelab zum Erstellen verwendet wird.

  1. Öffnen Sie in der Firebase-Konsole Data Connect.

  2. Wählen Sie den Dienst und die Datenquelle aus und öffnen Sie den Tab Daten.

  3. Klicken Sie auf das Symbol Hilfe beim Verfassen von GraphQLpen_spark und geben Sie in das angezeigte Feld Ihre Abfrage ein:

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

  4. Klicken Sie auf Erstellen. Die Abfrage wird zurückgegeben. Gemini könnte beispielsweise eine Abfrage wie die folgende zurückgeben:

    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. Sehen Sie sich die Ausgabe an. Klicken Sie bei Bedarf auf Bearbeiten, um den Prompt zu verfeinern, und dann auf Neu generieren.

  6. Klicken Sie dann auf Einfügen, um die Mutation in den Dateneditor einzufügen.

  7. Um diese Abfrage zu testen, müssen Sie Variablen hinzufügen. Öffnen Sie im Bereich Parameter die Option Variablen und fügen Sie Variablen für den Test hinzu:

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

  8. Klicken Sie auf Ausführen.

Fehlerbehebung AI assistance for Data Connect in the Firebase console

Weitere Informationen finden Sie unter Fehlerbehebung bei Gemini in Firebase.

Preise

AI assistance for Data Connect in the Firebase console ist als Teil von Gemini in Firebase verfügbar, das während der Vorabversion von Data Connect kostenlos enthalten ist, oder als Teil von Gemini Code Assist. Weitere Informationen finden Sie unter Gemini in Firebase-Preisen.

Nächste Schritte