استقرار جریان‌ها به هر پلتفرم Node.js، استقرار جریان‌ها به هر پلتفرم Node.js، استقرار جریان‌ها به هر پلتفرم Node.js

Firebase Genkit دارای یکپارچه‌سازی‌های داخلی است که به شما کمک می‌کند جریان‌های خود را در Cloud Functions برای Firebase و Google Cloud Run پیاده‌سازی کنید، اما می‌توانید جریان‌های خود را در هر پلتفرمی که می‌تواند به یک برنامه Express.js سرویس دهد، خواه یک سرویس ابری یا خود-سرویس باشد، مستقر کنید. میزبانی شد.

این صفحه، به عنوان مثال، شما را در فرآیند استقرار جریان نمونه پیش‌فرض راهنمایی می‌کند.

  1. ابزارهای مورد نیاز را نصب کنید:

    • مطمئن شوید که از نود نسخه 20 یا بالاتر استفاده می کنید (برای بررسی node --version را اجرا کنید).

  2. یک دایرکتوری برای پروژه نمونه Genkit ایجاد کنید:

    export GENKIT_PROJECT_HOME=~/tmp/genkit-express-project
mkdir -p $GENKIT_PROJECT_HOME
cd $GENKIT_PROJECT_HOME

    اگر می خواهید از یک IDE استفاده کنید، آن را در این دایرکتوری باز کنید.

  3. راه اندازی یک پروژه nodejs:

    npm init -y

  4. یک پروژه Genkit را راه اندازی کنید:

    genkit init

    1. مدل خود را انتخاب کنید:

      جمینی (گوگل هوش مصنوعی)

      ساده ترین راه برای شروع استفاده از Google AI Gemini API است. مطمئن شوید که در منطقه شما موجود است.

      با استفاده از Google AI Studio یک کلید API برای Gemini API ایجاد کنید . سپس، متغیر محیطی GOOGLE_API_KEY را روی کلید خود تنظیم کنید: 

      export GOOGLE_API_KEY=<your API key>

      Gemini (Vertex AI)

      اگر Google AI Gemini API در منطقه شما در دسترس نیست، از Vertex AI API استفاده کنید که Gemini و مدل های دیگر را نیز ارائه می دهد. شما باید یک پروژه Google Cloud فعال با صورتحساب داشته باشید، API پلتفرم هوش مصنوعی را فعال کنید و چند متغیر محیطی اضافی را تنظیم کنید:

      gcloud services enable aiplatform.googleapis.com
export GCLOUD_PROJECT=<your project ID>
export GCLOUD_LOCATION=us-central1

      برای قیمت گذاری Vertex AI به https://cloud.google.com/vertex-ai/generative-ai/pricing مراجعه کنید.

    2. پاسخ های پیش فرض بقیه سوالات را انتخاب کنید، که پوشه پروژه شما را با مقداری کد نمونه مقداردهی اولیه می کند.

  5. کد نمونه را بسازید و اجرا کنید:

    npm run build
genkit flow:run menuSuggestionFlow "\"banana\"" -s

  6. اختیاری : رابط کاربری توسعه دهنده را شروع کنید:

    genkit start

    سپس، به http://localhost:4000/flows بروید و جریان را با استفاده از رابط کاربری توسعه دهنده اجرا کنید.

    وقتی کارتان تمام شد، Ctrl+C را در کنسول فشار دهید تا از رابط کاربری خارج شوید.

  7. نقطه پایانی Express را امتحان کنید:

    npm run start

    سپس در پنجره دیگری:

    curl -X POST "http://127.0.0.1:3400/menuSuggestionFlow?stream=true" -H "Content-Type: application/json"  -d '{"data": "banana"}'

  8. اگر همه چیز همانطور که انتظار می رود کار می کند، می توانید جریان را به ارائه دهنده انتخابی خود گسترش دهید. جزئیات به ارائه دهنده بستگی دارد، اما به طور کلی، باید تنظیمات زیر را پیکربندی کنید:

    تنظیم ارزش
    زمان اجرا Node.js 20 یا جدیدتر
    دستور ساخت npm run build
    دستور شروع npm run start
    متغیرهای محیطی GOOGLE_API_KEY=<your-api-key> (یا هر راز مورد نیاز)
،

Firebase Genkit دارای یکپارچه‌سازی‌های داخلی است که به شما کمک می‌کند جریان‌های خود را در Cloud Functions برای Firebase و Google Cloud Run پیاده‌سازی کنید، اما می‌توانید جریان‌های خود را در هر پلتفرمی که می‌تواند به یک برنامه Express.js سرویس دهد، خواه یک سرویس ابری یا خود-سرویس باشد، مستقر کنید. میزبانی شد.

این صفحه، به عنوان مثال، شما را در فرآیند استقرار جریان نمونه پیش‌فرض راهنمایی می‌کند.

  1. ابزارهای مورد نیاز را نصب کنید:

    • مطمئن شوید که از نود نسخه 20 یا بالاتر استفاده می کنید (برای بررسی node --version را اجرا کنید).

  2. یک دایرکتوری برای پروژه نمونه Genkit ایجاد کنید:

    export GENKIT_PROJECT_HOME=~/tmp/genkit-express-project
mkdir -p $GENKIT_PROJECT_HOME
cd $GENKIT_PROJECT_HOME

    اگر می خواهید از یک IDE استفاده کنید، آن را در این دایرکتوری باز کنید.

  3. راه اندازی یک پروژه nodejs:

    npm init -y

  4. یک پروژه Genkit را راه اندازی کنید:

    genkit init

    1. مدل خود را انتخاب کنید:

      جمینی (گوگل هوش مصنوعی)

      ساده ترین راه برای شروع استفاده از Google AI Gemini API است. مطمئن شوید که در منطقه شما موجود است.

      با استفاده از Google AI Studio یک کلید API برای Gemini API ایجاد کنید . سپس، متغیر محیطی GOOGLE_API_KEY را روی کلید خود تنظیم کنید: 

      export GOOGLE_API_KEY=<your API key>

      Gemini (Vertex AI)

      اگر Google AI Gemini API در منطقه شما در دسترس نیست، از Vertex AI API استفاده کنید که Gemini و مدل های دیگر را نیز ارائه می دهد. شما باید یک پروژه Google Cloud فعال با صورتحساب داشته باشید، API پلتفرم هوش مصنوعی را فعال کنید و چند متغیر محیطی اضافی را تنظیم کنید:

      gcloud services enable aiplatform.googleapis.com
export GCLOUD_PROJECT=<your project ID>
export GCLOUD_LOCATION=us-central1

      برای قیمت گذاری Vertex AI به https://cloud.google.com/vertex-ai/generative-ai/pricing مراجعه کنید.

    2. پاسخ های پیش فرض بقیه سوالات را انتخاب کنید، که پوشه پروژه شما را با مقداری کد نمونه مقداردهی اولیه می کند.

  5. کد نمونه را بسازید و اجرا کنید:

    npm run build
genkit flow:run menuSuggestionFlow "\"banana\"" -s

  6. اختیاری : رابط کاربری توسعه دهنده را شروع کنید:

    genkit start

    سپس، به http://localhost:4000/flows بروید و جریان را با استفاده از رابط کاربری توسعه دهنده اجرا کنید.

    وقتی کارتان تمام شد، Ctrl+C را در کنسول فشار دهید تا از رابط کاربری خارج شوید.

  7. نقطه پایانی Express را امتحان کنید:

    npm run start

    سپس در پنجره دیگری:

    curl -X POST "http://127.0.0.1:3400/menuSuggestionFlow?stream=true" -H "Content-Type: application/json"  -d '{"data": "banana"}'

  8. اگر همه چیز همانطور که انتظار می رود کار می کند، می توانید جریان را به ارائه دهنده انتخابی خود گسترش دهید. جزئیات به ارائه دهنده بستگی دارد، اما به طور کلی، باید تنظیمات زیر را پیکربندی کنید:

    تنظیم ارزش
    زمان اجرا Node.js 20 یا جدیدتر
    دستور ساخت npm run build
    دستور شروع npm run start
    متغیرهای محیطی GOOGLE_API_KEY=<your-api-key> (یا هر راز مورد نیاز)
،

Firebase Genkit دارای یکپارچه‌سازی‌های داخلی است که به شما کمک می‌کند جریان‌های خود را در Cloud Functions برای Firebase و Google Cloud Run پیاده‌سازی کنید، اما می‌توانید جریان‌های خود را در هر پلتفرمی که می‌تواند به یک برنامه Express.js سرویس دهد، خواه یک سرویس ابری یا خود-سرویس باشد، مستقر کنید. میزبانی شد.

این صفحه، به عنوان مثال، شما را در فرآیند استقرار جریان نمونه پیش‌فرض راهنمایی می‌کند.

  1. ابزارهای مورد نیاز را نصب کنید:

    • مطمئن شوید که از نود نسخه 20 یا بالاتر استفاده می کنید (برای بررسی node --version را اجرا کنید).

  2. یک دایرکتوری برای پروژه نمونه Genkit ایجاد کنید:

    export GENKIT_PROJECT_HOME=~/tmp/genkit-express-project
mkdir -p $GENKIT_PROJECT_HOME
cd $GENKIT_PROJECT_HOME

    اگر می خواهید از یک IDE استفاده کنید، آن را در این دایرکتوری باز کنید.

  3. راه اندازی یک پروژه nodejs:

    npm init -y

  4. یک پروژه Genkit را راه اندازی کنید:

    genkit init

    1. مدل خود را انتخاب کنید:

      جمینی (گوگل هوش مصنوعی)

      ساده ترین راه برای شروع استفاده از Google AI Gemini API است. مطمئن شوید که در منطقه شما موجود است.

      با استفاده از Google AI Studio یک کلید API برای Gemini API ایجاد کنید . سپس، متغیر محیطی GOOGLE_API_KEY را روی کلید خود تنظیم کنید: 

      export GOOGLE_API_KEY=<your API key>

      Gemini (Vertex AI)

      اگر Google AI Gemini API در منطقه شما در دسترس نیست، از Vertex AI API استفاده کنید که Gemini و مدل های دیگر را نیز ارائه می دهد. شما باید یک پروژه Google Cloud فعال با صورتحساب داشته باشید، API پلتفرم هوش مصنوعی را فعال کنید و چند متغیر محیطی اضافی را تنظیم کنید:

      gcloud services enable aiplatform.googleapis.com
export GCLOUD_PROJECT=<your project ID>
export GCLOUD_LOCATION=us-central1

      برای قیمت گذاری Vertex AI به https://cloud.google.com/vertex-ai/generative-ai/pricing مراجعه کنید.

    2. پاسخ های پیش فرض بقیه سوالات را انتخاب کنید، که پوشه پروژه شما را با مقداری کد نمونه مقداردهی اولیه می کند.

  5. کد نمونه را بسازید و اجرا کنید:

    npm run build
genkit flow:run menuSuggestionFlow "\"banana\"" -s

  6. اختیاری : رابط کاربری توسعه دهنده را شروع کنید:

    genkit start

    سپس، به http://localhost:4000/flows بروید و جریان را با استفاده از رابط کاربری توسعه دهنده اجرا کنید.

    وقتی کارتان تمام شد، Ctrl+C را در کنسول فشار دهید تا از رابط کاربری خارج شوید.

  7. نقطه پایانی Express را امتحان کنید:

    npm run start

    سپس در پنجره دیگری:

    curl -X POST "http://127.0.0.1:3400/menuSuggestionFlow?stream=true" -H "Content-Type: application/json"  -d '{"data": "banana"}'

  8. اگر همه چیز همانطور که انتظار می رود کار می کند، می توانید جریان را به ارائه دهنده انتخابی خود گسترش دهید. جزئیات به ارائه دهنده بستگی دارد، اما به طور کلی، باید تنظیمات زیر را پیکربندی کنید:

    تنظیم ارزش
    زمان اجرا Node.js 20 یا جدیدتر
    دستور ساخت npm run build
    دستور شروع npm run start
    متغیرهای محیطی GOOGLE_API_KEY=<your-api-key> (یا هر راز مورد نیاز)