این سند توضیح می‌دهد که چگونه می‌توانید در Cloud Firestore برای تولید کردن پُرسمان‌های «زبان پُرسمان سازگار با MongoDB» (MQL) بااستفاده از پیام‌واره‌های زبان طبیعی، از دستیار مجهز به هوش مصنوعی بهره‌مند شوید.
ببینید چگونه و چه زمانی Gemini برای Google Cloud از داده‌هایتان استفاده می‌کند.
قبل از شروع
اختیاری: راه‌اندازی Gemini Code Assist.
برای تکمیل تکالیف در این سند، مطمئن شوید که اجازه‌های لازم «مدیریت هویت و دسترسی‌ها» (IAM) را دارید.
نقش‌های الزامی
برای دریافت اجازه‌هایی که برای تکمیل تکالیف در این سند نیاز دارید، از سرپرستتان بخواهید نقش Gemini برای کاربر Google Cloud (roles/cloudaicompanion.user)
IAM را در پروژه به شما اعطا کند.
تولید کردن پُرسمان‌های MQL بااستفاده از پیام‌واره‌های زبان طبیعی
می‌توانید Gemini نظر به زبان طبیعی (یا پیام‌واره) بدهید تا پُرسمان‌هایی را که براساس طرحواره شما است تولید کند. برای مثال، می‌توانید از Gemini بخواهید در پاسخ به پیام‌واره‌های زیر، «مشتری بالقوه واجدشرایط بازاریابی» تولید کند:
- «چند کتاب پرطرفدار با سال انتشار ۱۹۶۰ وجود دارد؟»
- «مجموعه نمونه‌ای از کتاب‌های پرطرفدار بساز.»
برای تولید MQL در Cloud Firestore با کمک Gemini ، این مراحل را دنبال کنید:
در کنسول Google Cloud، به صفحه Cloud Firestore پایگاه‌های داده بروید.
پایگاه داده Cloud Firestore را از فهرست انتخاب کنید. استودیو Firestore باز می‌شود.
در ویرایشگر پُرسمان جدید یا خالی، روی دکمه تولید MQL کلیک کنید. درغیراین‌صورت، روی کمک گرفتن در کدنویسی کلیک کنید.
پیام‌واره‌ای برای تولید کردن پُرسمان وارد کنید. برای بهبود دقت، مجموعه‌ای را برای بافت در منو کرکره‌ای انتخاب کنید.
«زبان پُرسمان MQL» تولیدشده را مرور کنید و یکی از کنش‌های زیر را انجام دهید:
- برای پذیرفتن MQL تولیدشده توسط Gemini، روی درج کردن کلیک کنید. می‌توانید ویرایش کردن MQL را در تدوین‌گر ادامه دهید. برای اجرای پُرسمان، روی اجرا کلیک کنید.
- برای ویرایش پیام‌واره، روی ویرایش کلیک کنید.
مرحله بعدی چیست
- برای نمای کلی Google Cloud، Gemini را بخوانید.
- ببینید «Gemini» چگونه از داده‌هایتان استفاده می‌کند.