Quando è tutto pronto per lanciare l'app e consentire agli utenti finali reali di interagire con le funzionalità di IA generativa, assicurati di esaminare questo elenco di controllo di best practice e considerazioni importanti.
Generale
Esamina l'elenco di controllo generale per il lancio delle app che utilizzano Firebase
Questo elenco di controllo per il lancio di Firebase descrive alcune best practice importanti da seguire prima di lanciare un'app Firebase in produzione.
Assicurati che i tuoi progetti Firebase rispettino le best practice
Ad esempio, assicurati di utilizzare progetti Firebase diversi per lo sviluppo, i test e la produzione. Consulta altre best practice per la gestione dei progetti.
Accesso e sicurezza
Esamina l'elenco di controllo generale per la sicurezza delle app che utilizzano Firebase
Questo elenco di controllo per la sicurezza descrive le best practice importanti per l'accesso e la sicurezza delle app e dei servizi Firebase.
Inizia l'applicazione Firebase App Check
App Check aiuta a proteggere il Vertex AI Gemini API verificando che le richieste provengano dalla tua app effettiva. Supporta i fornitori di attestazioni per le piattaforme Apple (DeviceCheck o App Attest), Android (Play Integrity) e per il web (reCAPTCHA Enterprise).
Configurare le restrizioni per le chiavi API Firebase
Esamina la lista consentita "Restrizioni API" di ogni chiave API di Firebase:
Assicurati che l'API Vertex AI in Firebase sia nella lista consentita.
Assicurati che le uniche altre API nella lista consentita della chiave siano per i servizi Firebase che utilizzi nella tua app. Consulta l'elenco delle API che devono essere incluse nella lista consentita per ogni prodotto.
Imposta "Restrizioni delle applicazioni" per limitare l'utilizzo di ogni chiave API Firebase solo alle richieste della tua app (ad esempio, un ID pacchetto corrispondente per l'app Apple). Tieni presente che anche se limiti la chiave, Firebase App Check è comunque vivamente consigliato.
Tieni presente che le API correlate a Firebase utilizzano le chiavi API solo per identificare il progetto o l'app Firebase, non per l'autorizzazione a chiamare l'API.
Disattivare le API inutilizzate nel progetto Firebase
Ad esempio, se hai provato per la prima volta Gemini API utilizzando Google AI Studio, ora puoi disattivare la API Generative Language. Ora la tua app utilizza Vertex AI in Firebase, che si basa sull'API Vertex AI e sull'API Vertex AI in Firebase.
Fatturazione e quote
Rivedi le quote per le API di base richieste
L'utilizzo di Vertex AI in Firebase richiede due API: l'API Vertex AI e l'API Vertex AI in Firebase.
La quota di ogni API viene misurata in modo leggermente diverso, il che significa che possono essere utilizzate per scopi diversi. Per considerazioni importanti, consulta Informazioni sulle quote per ogni API.
Tieni presente che le quote sono variabili anche in base a modello e regione, quindi assicurati che siano impostate di conseguenza per gli utenti e i casi d'uso.
Se necessario, puoi anche modificare la quota o richiederne un aumento.
Evitare fatture impreviste
Come best practice per la produzione, monitora l'utilizzo e configura avvisi sul budget.
Gestione delle configurazioni
Utilizzare una versione stabile del modello nell'app di produzione
Nell'app di produzione, utilizza solo
versioni dei modelli stabili (come
gemini-1.5-flash-002), non una versione di anteprima o con aggiornamento automatico.
Anche se una versione con aggiornamento automatico rimanda a una versione stabile, la versione effettiva del modello a cui rimanda cambierà automaticamente ogni volta che viene rilasciata una nuova versione stabile, il che potrebbe comportare comportamenti o risposte imprevisti. Inoltre, le versioni di anteprima sono consigliate solo durante la prototipazione.
Ti consigliamo vivamente di utilizzare anche Firebase Remote Config per controllare e aggiornare il nome del modello utilizzato nella tua app (vedi la sezione successiva per maggiori dettagli).
Configurare e utilizzare Firebase Remote Config
Con Remote Config, puoi controllare le configurazioni importanti per la funzionalità di IA generativa nel cloud anziché codificare i valori nel codice. Ciò significa che puoi aggiornare la configurazione senza rilasciare una nuova versione dell'app. Puoi fare molto con Remote Config, ma di seguito sono riportati i valori principali che ti consigliamo di controllare da remoto per la funzionalità di AI generativa:
Mantieni aggiornata l'app.
- Nome del modello: aggiorna il modello utilizzato dalla tua app man mano che vengono rilasciati nuovi modelli o altri vengono ritirati.
Modifica i valori e gli input in base agli attributi del cliente o per tenere conto del feedback dei test o degli utenti.
Configurazione del modello: regola la temperatura, i token di output massimi e altro ancora.
Impostazioni di sicurezza: modifica le impostazioni di sicurezza se vengono bloccate troppe risposte o se gli utenti segnalano risposte dannose.
Istruzioni di sistema e qualsiasi prompt fornito: modifica il contesto aggiuntivo che invii al modello per indirizzarne le risposte e il comportamento. Ad esempio, potresti voler personalizzare i prompt per tipi di clienti specifici o personalizzare i prompt per i nuovi utenti in modo che siano diversi da quelli utilizzati per generare risposte per gli utenti esistenti.
Se vuoi, puoi anche impostare un parametro minimum_version in Remote Config per confrontare la versione corrente dell'app con la versione più recente definita da Remote Config, in modo da mostrare agli utenti una notifica di aggiornamento o forzare l'aggiornamento.
Imposta la posizione in cui eseguire il servizio Vertex AI e accedere a un modello
L'impostazione di una località può aiutarti a ridurre i costi e contribuire a evitare la latenza per gli utenti.
Se non specifichi una località, il valore predefinito è us-central1. Puoi impostare questa località durante l'inizializzazione oppure, facoltativamente, utilizzare Firebase Remote Config per modificarla dinamicamente in base alla posizione di ciascun utente.