Korzystanie z pomocy AI w przypadku zapytań i mutacji Firebase Data Connect

Możesz używać Gemini w konsoli Firebase, aby tworzyć zapytania i mutacje do uwzględnienia w kodzie po stronie klienta. Opisz zapytanie lub mutację, które chcesz wygenerować w języku naturalnym, a Gemini w Firebase zapewni Ci ich odpowiednik w GraphQL. Uruchom i sprawdź dane wyjściowe w konsoli Firebase, a potem skopiuj do kodu sfinalizowane zapytania i mutacje.

Więcej informacji o zapytaniach i mutacjach znajdziesz w artykule Data Connect Schematy, zapytania i mutacje.

Jak AI assistance for Data Connect in the Firebase console wykorzystuje Twoje dane

AI assistance for Data Connect in the Firebase console nie używa Twoich promptów ani swoich odpowiedzi jako danych do trenowania swojego modelu. Więcej informacji znajdziesz w artykule Jak Gemini w Google Cloud wykorzystuje Twoje dane.

Skonfiguruj usługę AI assistance for Data Connect in the Firebase console

Aby skonfigurować pomoc AI w usłudze Data Connect, włącz Gemini w Firebase zgodnie z opisem w sekcji Konfigurowanie Gemini w Firebase, a potem przejdź do generowania zapytań i mutacji GraphQL za pomocą Gemini w usłudze Firebase.

Generowanie zapytań i mutacji GraphQL za pomocą Gemini w Firebase

Aby użyć AI assistance for Data Connect in the Firebase console do wygenerowania zapytania GraphQL na podstawie języka naturalnego:

  1. Otwórz w projekcie Data Connect i w sekcji Usługi wybierz źródło danych.

  2. Kliknij Dane.

  3. Kliknij ikonę Pomóż mi napisać GraphQLpen_spark.

  4. W wyświetlonym polu tekstowym opisz zapytanie lub mutację, które chcesz wygenerować w języku naturalnym, i kliknij Wygeneruj.

    Jeśli na przykład używasz źródła danych Filmy, do którego odwołuje się Firebase Data Connectmoduł wprowadzający i moduł tworzenia kodu Data Connect , możesz zapytać: „Zwróć 5 najlepszych filmów z 2022 roku w kolejności malejącej według oceny”. Może to zwrócić taki wynik:

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

  5. Sprawdź odpowiedź:

    • Jeśli odpowiedź wygląda prawidłowo, kliknij Wstaw, aby wstawić ją do edytora kodu.
    • Jeśli odpowiedź wymaga dopracowania, kliknij Edytuj, zaktualizuj prompt i kliknij Wygeneruj ponownie.

  6. Po zaakceptowaniu odpowiedzi w sekcji Parametry ustaw te opcje (w odpowiednich przypadkach):

    • Zmienna: jeśli zapytanie lub mutacja zawiera zmienne, zdefiniuj je tutaj. Definiuj je za pomocą kodu JSON, np. {"title":"The Matrix", "releaseYear":"1999"}.
    • Autoryzacja: wybierz kontekst autoryzacji (Administrator, Zalogowany lub Niezalogowany), w którym chcesz wykonać zapytanie lub mutację.

  7. W edytorze kodu kliknij Uruchom i sprawdź wyniki.

Aby przetestować wiele zapytań lub mutacji w edytorze kodu, upewnij się, że są one nazwane. Na przykład zapytanie o nazwie GetMovie. Aby aktywować przycisk Uruchom, umieść kursor na pierwszym wierszu zapytania lub mutacji.

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

AI assistance for Data Connect in the Firebase console przypadki użycia

W kolejnych sekcjach opisano przykładowe przypadki użycia, w tym taki, w którym możesz poprosić Gemini o pomoc w tworzeniu mutacji w celu wypełniania tabeli Data Connect, a następnie o wysyłanie zapytań do tej tabeli w celu weryfikacji wyników.

Tworzenie zapytania, które dodaje film do bazy danych na podstawie danych wejściowych użytkownika

W tej sekcji zobaczysz przykład użycia języka naturalnego do wygenerowania zapytania GraphQL dla mutacji, której możesz użyć do wypełniania bazy danych. W tym przykładzie zakładamy, że używasz schematu bazy danych filmów, który jest używany w dokumentacji Firebase Data Connect i w praktycznym kursie Build with Data Connect codelab.

  1. W konsoli Firebase otwórz Data Connect.

  2. Wybierz usługę i źródło danych, a potem otwórz kartę Dane.

  3. Kliknij ikonę Pomóż mi napisać zapytanie GraphQLpen_spark i w wyświetlonym polu wpisz zapytanie:

    Create a movie based on user input.

  4. Kliknij Wygeneruj. Mutacja jest zwracana. Na przykład Gemini może zwrócić mutację taką jak:

    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. Sprawdź wynik. W razie potrzeby kliknij Edytuj, aby dostosować prompt, a potem kliknij Wygeneruj ponownie.

  6. Następnie kliknij Wstaw, aby wstawić mutację do edytora danych.

  7. Aby wykonać mutację, musisz dodać zmienne. W sekcji Parametry otwórz Zmienna i dodaj kilka zmiennych testowych:

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

  8. Kliknij Wykonaj.

  9. Następnie utwórz zapytanie, które potwierdzi, że film został dodany. Kliknij Pomóż mi napisać zapytanie GraphQL pen_spark i w wyświetlonym polu wpisz prompt:

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

    Gemini może zwrócić taką odpowiedź:

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

  10. Wstaw i uruchom zapytanie. Dodany film powinien pojawić się w polu Historia.

Utwórz zapytanie, które wyświetla opinie na podstawie podanych przez użytkownika gatunków i oceny.

W tej sekcji zobaczysz przykład korzystania z języka naturalnego do generowania zapytania GraphQL. W tym przykładzie zakładamy, że używasz bazy danych filmu używanej w dokumentacji Firebase Data Connect i ćwiczeniu z użyciem Data Connect Codelabs.

  1. W konsoli Firebase otwórz Data Connect.

  2. Wybierz usługę i źródło danych, a potem otwórz kartę Dane.

  3. Kliknij ikonę Pomóż mi napisać zapytanie GraphQLpen_spark i w wyświetlonym polu wpisz zapytanie:

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

  4. Kliknij Wygeneruj. Zapytanie jest zwracane. Na przykład Gemini może zwrócić zapytanie takie jak:

    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. Sprawdź dane wyjściowe. W razie potrzeby kliknij Edytuj, aby dostosować prompt, a potem kliknij Wygeneruj ponownie.

  6. Następnie kliknij Wstaw, aby wstawić mutację do edytora danych.

  7. Aby przetestować to zapytanie, musisz dodać zmienne. W sekcji Parametry otwórz Zmienna i uwzględnij zmienne, których chcesz używać do testowania:

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

  8. Kliknij Wykonaj.

Rozwiązywanie problemów AI assistance for Data Connect in the Firebase console

Zapoznaj się z artykułem Rozwiązywanie problemów z Gemini w Firebase.

Ceny

AI assistance for Data Connect in the Firebase console jest dostępna w ramach Gemini w Firebase, która jest częścią Gemini Code Assist. Więcej informacji znajdziesz w cenniku Gemini.

Dalsze kroki