ใช้ความช่วยเหลือจาก AI สำหรับ SQL Connect

ใช้ Gemini ใน Firebase เพื่อช่วยสร้างสคีมา การค้นหา และการเปลี่ยนแปลงสำหรับ โค้ดฝั่งไคลเอ็นต์

อธิบายแอป โมเดลข้อมูล หรือการค้นหาหรือการเปลี่ยนแปลงที่ต้องการด้วยภาษาธรรมชาติ แล้ว Gemini ใน Firebase จะสร้าง SQL Connect ที่เทียบเท่าให้

ความช่วยเหลือจาก AI นี้พร้อมให้บริการในบริบทการพัฒนาต่อไปนี้

  • ในคอนโซล Firebase คุณสามารถสร้าง ทดสอบ และทำให้ใช้งานได้ซึ่งสคีมา และการดำเนินการ
  • ในสภาพแวดล้อมในเครื่อง คุณสามารถใช้ Firebase CLI และส่วนขยาย SQL Connect VS Code เพื่อสร้าง ทดสอบ และพัฒนาแอปด้วยโปรแกรมจำลอง
  • เครื่องมือพัฒนาที่ขับเคลื่อนด้วย AI สามารถใช้เซิร์ฟเวอร์ Firebase MCP เพื่อสร้าง ทดสอบ และพัฒนาแอป

ดูข้อมูลเพิ่มเติมเกี่ยวกับไวยากรณ์ของสคีมา การค้นหา และการเปลี่ยนแปลงของ SQL Connect ในคำแนะนำSQL Connect

วิธีที่ AI assistance for SQL Connect ใช้ข้อมูลของคุณ

ดูข้อมูลเพิ่มเติมได้ที่ วิธีที่ Gemini ใน Firebase ใช้ ข้อมูลของคุณ

ตั้งค่า AI assistance for SQL Connect

หากต้องการใช้ความช่วยเหลือจาก AI กับ SQL Connect ให้เปิดใช้ Gemini ใน Firebase ตามที่อธิบายไว้ในหัวข้อตั้งค่า Gemini ใน Firebase

สร้างสคีมา การค้นหา และการเปลี่ยนแปลงด้วย Gemini ใน Firebase

คุณสามารถใช้ความช่วยเหลือจาก AI สำหรับ SQL Connect ในเวิร์กโฟลว์ต่างๆ ได้

ในคอนโซล Firebase

เมื่อคุณสร้างบริการ SQL Connect คอนโซล Firebase จะมีประสบการณ์การใช้งาน "เริ่มต้นใช้งาน Gemini"

คุณสามารถอธิบายแนวคิดของแอป แล้วความช่วยเหลือจาก AI จะสร้างสิ่งต่อไปนี้

  • สคีมาที่สมบูรณ์โดยอิงตามแนวคิดของแอป
  • ตัวอย่างการดำเนินการและการเปลี่ยนแปลงข้อมูล

จากหน้าข้อมูล คุณสามารถใช้ปุ่ม pen_spark ช่วยฉันเขียน GraphQL เพื่อสร้างและดำเนินการ ตามภาษาธรรมชาติ ดูตัวอย่างกรณีการใช้งาน

เวิร์กโฟลว์นี้อธิบายไว้ในคู่มือเริ่มต้นใช้งานของเรา คุณสามารถดำเนินการต่อในสภาพแวดล้อมในการพัฒนาซอฟต์แวร์ในเครื่องด้วยสคีมาและการดำเนินการที่ทำให้ใช้งานได้

ในสภาพแวดล้อมในเครื่อง

นอกจากนี้ คุณยังรับความช่วยเหลือจาก AI ได้จาก Firebase CLI และส่วนขยาย SQL Connect VS Code

คุณสามารถระบุแนวคิดของแอปให้กับ firebase init dataconnect แล้วระบบจะสร้างสิ่งต่อไปนี้

  • สคีมาที่สมบูรณ์โดยอิงตามแนวคิดของแอป
  • ตัวอย่างการดำเนินการและการเปลี่ยนแปลงข้อมูลเริ่มต้น

ส่วนขยาย SQL Connect VS Code มีฟีเจอร์ต่อไปนี้

  • เลนส์โค้ดสร้าง/ปรับแต่งการดำเนินการ เพื่อแปลงความคิดเห็น GraphQL เป็น SQL Connect การดำเนินการ
  • ผสานรวมกับเซิร์ฟเวอร์ Firebase MCP ได้อย่างราบรื่น

เวิร์กโฟลว์นี้อธิบายไว้ในคู่มือเริ่มต้นใช้งานสำหรับการสร้างต้นแบบในเครื่อง

ใช้เซิร์ฟเวอร์ Firebase MCP กับเครื่องมือพัฒนาที่ขับเคลื่อนด้วย AI

เซิร์ฟเวอร์ Firebase MCP ทำงานร่วมกับเครื่องมือผู้ช่วย AI ใดๆ ที่ทำหน้าที่เป็นไคลเอ็นต์ MCP ได้ ซึ่งรวมถึง Antigravity, Gemini CLI และ Gemini Code Assist, Claude Code และ Claude Desktop, Cline, Cursor, VS Code Copilot, Windsurf และอื่นๆ

เซิร์ฟเวอร์ Firebase MCP มีบริบทและความสามารถเพิ่มเติมที่จะช่วยให้ เครื่องมือพัฒนาที่ขับเคลื่อนด้วย AI ทำงานร่วมกับ SQL Connect ได้ดียิ่งขึ้น โดยสามารถทำสิ่งต่อไปนี้ได้

  • ตั้งค่าไดเรกทอรีโปรเจ็กต์ใหม่และ SDK ที่สร้างขึ้น
  • สร้างและทำซ้ำสคีมา การดำเนินการโดยอิงตามข้อผิดพลาดในการคอมไพล์
  • ดำเนินการกับโปรแกรมจำลองในเครื่องหรือบริการแบ็กเอนด์
  • รวบรวมข้อมูลเกี่ยวกับบริการที่มีอยู่

วิธีใช้เซิร์ฟเวอร์ Firebase MCP

  1. ตั้งค่าไคลเอ็นต์ MCP โดยทำตามคู่มือนี้
  2. ขอความช่วยเหลือที่เกี่ยวข้องกับ SQL Connect ตัวอย่างพรอมต์
    1. ตั้งค่าโปรเจ็กต์ SQL Connect สำหรับแอปส่งพิซซ่า
    2. "แก้ไขข้อผิดพลาดในการคอมไพล์ SQL Connect"
    3. "ในหน้าแรก ฉันต้องการแสดงห้องแชทที่ใช้งานอยู่และรายชื่อเพื่อน สร้างการค้นหา SQL Connect
    4. ผู้ใช้ใดบ้างที่อยู่ในโปรแกรมจำลอง SQL Connect ในเครื่องของฉัน
    5. บริการ SQL Connect ของฉันอยู่ในภูมิภาคใดของ Google Cloud

ตัวอย่างกรณีการใช้งานสำหรับการสร้างการดำเนินการ

ส่วนต่อไปนี้อธิบายตัวอย่างกรณีการใช้งาน

แสดงภาพยนตร์ 5 อันดับแรกโดยเรียงตามคะแนนจากมากไปน้อย

วิธีใช้ AI assistance for SQL Connect เพื่อสร้าง GraphQL โดยอิงตามภาษาธรรมชาติ:

  1. ในคอนโซล Firebase ให้ไปที่ ฐานข้อมูลและพื้นที่เก็บข้อมูล > SQL Connect

  2. เลือกบริการและแหล่งข้อมูล แล้วเปิดแท็บข้อมูล

  3. คลิกไอคอน pen_spark ช่วยฉันเขียน GraphQL อธิบายการค้นหาหรือการเปลี่ยนแปลงที่ต้องการสร้างด้วยภาษาธรรมชาติ แล้วคลิก**สร้าง**

    ตัวอย่างเช่น หากคุณใช้แหล่งข้อมูลภาพยนตร์ที่อ้างอิงใน "สร้างด้วย SQL Connect (เว็บ)" Codelab, คุณสามารถถามว่า "แสดงภาพยนตร์ 5 อันดับแรกของปี 2022 โดยเรียงตาม คะแนนจากมากไปน้อย," ซึ่งอาจแสดงผลลัพธ์ดังต่อไปนี้:

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

  4. ตรวจสอบคำตอบ

    • หากคำตอบดูถูกต้อง ให้คลิกแทรก เพื่อแทรกคำตอบลงในตัวแก้ไขโค้ด
    • หากคำตอบสามารถปรับแต่งได้ ให้คลิกแก้ไข อัปเดต พรอมต์ แล้วคลิกสร้างใหม่

  5. หลังจากยอมรับคำตอบแล้ว ให้ตั้งค่าต่อไปนี้ในส่วนพารามิเตอร์ หากมี

    • ตัวแปร: หากการค้นหาหรือการเปลี่ยนแปลงมีตัวแปร ให้กำหนด ตัวแปรที่นี่ ใช้ JSON เพื่อกำหนดตัวแปร เช่น {"title":"The Matrix", "releaseYear":"1999"}
    • การให้สิทธิ์: เลือกบริบท การให้สิทธิ์ (ผู้ดูแลระบบ ผู้ใช้ที่ตรวจสอบสิทธิ์แล้ว หรือผู้ใช้ที่ยังไม่ได้ตรวจสอบสิทธิ์) ที่จะใช้ เรียกใช้การค้นหาหรือการเปลี่ยนแปลง

  6. คลิกเรียกใช้ ในเครื่องมือแก้ไขโค้ดและตรวจสอบผลลัพธ์

หากต้องการทดสอบการค้นหาหรือการเปลี่ยนแปลงหลายรายการในตัวแก้ไขโค้ด ให้ตรวจสอบว่าได้ตั้งชื่อการค้นหาหรือการเปลี่ยนแปลงแล้ว ตัวอย่างเช่น การค้นหาต่อไปนี้ชื่อ GetMovie ย้ายเคอร์เซอร์ไปที่บรรทัดแรกของการค้นหาหรือการเปลี่ยนแปลงเพื่อเปิดใช้งานปุ่มเรียกใช้

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

สร้างการเปลี่ยนแปลงที่จะเพิ่มภาพยนตร์ลงในฐานข้อมูลโดยอิงตามข้อมูลจากผู้ใช้

ตัวอย่างนี้แสดงวิธีใช้ภาษาธรรมชาติเพื่อสร้างการเปลี่ยนแปลง GraphQL ที่จะป้อนข้อมูลลงในฐานข้อมูล ตัวอย่างนี้ถือว่าคุณใช้สคีมาฐานข้อมูลภาพยนตร์ที่ใช้ในเอกสารประกอบ Firebase SQL Connect และ Codelab "สร้างด้วย SQL Connect (เว็บ)"Firebase SQL ConnectSQL Connect

  1. ในคอนโซล Firebase ให้ไปที่ ฐานข้อมูลและพื้นที่เก็บข้อมูล > SQL Connect

  2. เลือกบริการและแหล่งข้อมูล แล้วเปิดแท็บข้อมูล

  3. คลิกไอคอน pen_spark ช่วยฉันเขียน GraphQL แล้วอธิบายการเปลี่ยนแปลง

    Create a movie based on user input.

  4. คลิกสร้าง ระบบจะแสดงการเปลี่ยนแปลง ตัวอย่างเช่น Gemini อาจแสดงการเปลี่ยนแปลงดังนี้

    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. ตรวจสอบเอาต์พุต หากจำเป็น ให้คลิกแก้ไข เพื่อปรับแต่งพรอมต์ แล้วคลิกสร้างใหม่

  6. จากนั้นคลิกแทรก เพื่อแทรกการเปลี่ยนแปลงลงในเครื่องมือแก้ไขข้อมูล

  7. หากต้องการดำเนินการตามการเปลี่ยนแปลง คุณจะต้องเพิ่มตัวแปร จากส่วนพารามิเตอร์ ให้เปิดตัวแปร แล้วใส่ตัวแปรทดสอบบางรายการ

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

  8. คลิกเรียกใช้

  9. จากนั้นสร้างการค้นหาที่จะยืนยันว่าได้เพิ่มภาพยนตร์แล้ว คลิก pen_spark ช่วยฉันเขียน GraphQL แล้วพิมพ์พรอมต์ในช่องที่ปรากฏขึ้น

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

    Gemini อาจแสดงการตอบกลับดังต่อไปนี้

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

  10. แทรกและเรียกใช้การค้นหา ภาพยนตร์ที่คุณเพิ่มควรปรากฏในช่องประวัติ

สร้างการค้นหาที่แสดงรีวิวตามประเภทและคะแนนที่ผู้ใช้ระบุ

ตัวอย่างนี้แสดงวิธีใช้ภาษาธรรมชาติเพื่อสร้างการค้นหา GraphQL ตัวอย่างนี้ถือว่าคุณใช้ฐานข้อมูลภาพยนตร์ที่ใช้ในเอกสารประกอบ Firebase SQL Connect และ "สร้างด้วย SQL Connect (เว็บ)" Codelab

  1. ในคอนโซล Firebase ให้ไปที่ ฐานข้อมูลและพื้นที่เก็บข้อมูล > SQL Connect

  2. เลือกบริการและแหล่งข้อมูล แล้วเปิดแท็บข้อมูล

  3. คลิกไอคอน pen_spark ช่วยฉันเขียน GraphQL แล้วอธิบายการค้นหา

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

  4. คลิกสร้าง ระบบจะแสดงการค้นหา ตัวอย่างเช่น Gemini อาจแสดงการค้นหาดังนี้

    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. ตรวจสอบเอาต์พุต หากจำเป็น ให้คลิกแก้ไข เพื่อปรับแต่งพรอมต์ แล้วคลิกสร้างใหม่

  6. จากนั้นคลิกแทรก เพื่อแทรกการเปลี่ยนแปลงลงในเครื่องมือแก้ไขข้อมูล

  7. หากต้องการทดสอบการค้นหานี้ คุณจะต้องเพิ่มตัวแปร จากส่วนพารามิเตอร์ ให้เปิดตัวแปร แล้วใส่ตัวแปรที่จะใช้สำหรับการทดสอบ

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

  8. คลิกเรียกใช้

ออกแบบพรอมต์สำหรับเครื่องมือความช่วยเหลือจาก AI ของบุคคลที่สาม

เช่นเดียวกับเครื่องมือความช่วยเหลือจาก AI ทั้งหมด พรอมต์ที่ดีขึ้นจะให้เอาต์พุตที่เป็นประโยชน์มากขึ้น

เมื่อคุณระบุพรอมต์ภาษาธรรมชาติให้กับ Gemini ใน Firebase เบื้องหลัง ผู้ช่วยจะแปลข้อมูลที่คุณป้อนเป็นพรอมต์ที่พัฒนาขึ้นอย่างสมบูรณ์

หากคุณใช้เครื่องมือ AI ของบุคคลที่สาม เช่น Cursor หรือ Windsurf คุณจะได้รับ คำแนะนำ SQL Connectที่ดีขึ้นโดยใช้พรอมต์ที่คล้ายกันแต่มีรายละเอียดมากขึ้น

เราได้เผยแพร่เทมเพลตพรอมต์ให้คุณดาวน์โหลด ปรับเปลี่ยน และคัดลอกลงใน IDE ดังนี้

หลังจากดาวน์โหลดและแก้ไขแล้ว ให้สร้างพรอมต์ในเครื่องมือที่คุณคุ้นเคย (เช่น Cursor หรือ Windsurf) โดยทำดังนี้

  • ใน Cursor (โปรดอ่านวิธีการล่าสุดจาก Cursor)

    1. คลิกไอคอนการตั้งค่าที่ด้านขวาบน
    2. เลือกแท็บกฎ
    3. ในส่วนกฎโปรเจ็กต์ ให้คลิกปุ่มเพิ่มกฎใหม่
    4. คัดลอกกฎและวาง

  • ใน Windsurf (โปรดอ่านวิธีการล่าสุดจาก instructions from Windsurf)

    1. เปิดหน้าต่าง Cascade โดยคลิกปุ่ม Cascade ที่มุมขวาบน
    2. คลิกไอคอนการปรับแต่ง ในเมนูแถบเลื่อนด้านขวาบนใน Cascade แล้วไปที่แผงกฎ
    3. คลิกปุ่ม + ทั่วโลก หรือ + พื้นที่ทำงาน เพื่อสร้างกฎใหม่ที่ ระดับทั่วโลกหรือระดับพื้นที่ทำงานตามลำดับ
    4. คัดลอกกฎและวาง

แก้ปัญหา AI assistance for SQL Connect

ดูหัวข้อ แก้ปัญหา Gemini ใน Firebase

ราคา

AI assistance for SQL Connect พร้อมให้บริการในฐานะส่วนหนึ่งของ Gemini ใน Firebase และรวมไว้สำหรับผู้ใช้แต่ละราย

ดูข้อมูลเพิ่มเติมได้ที่ ราคาของ FirebaseGemini ใน

ขั้นตอนถัดไป