Quando estiver tudo pronto para lançar o app e os usuários finais interagirem com os recursos de IA generativa, revise esta lista de verificação de práticas recomendadas e considerações importantes.
Geral
Revisar a lista de verificação de lançamento geral para apps que usam o Firebase
Esta lista de verificação de lançamento do Firebase descreve práticas recomendadas importantes antes de lançar qualquer app do Firebase para produção.
Confira se os projetos do Firebase seguem as práticas recomendadas
Por exemplo, use projetos do Firebase diferentes para desenvolvimento, teste e produção. Confira mais práticas recomendadas para gerenciar seus projetos.
Acesso e segurança
Revise a lista de verificação de segurança geral para apps que usam o Firebase
Esta lista de verificação de segurança descreve práticas recomendadas importantes para acesso e segurança de apps e serviços do Firebase.
Começar a aplicar Firebase App Check
O App Check ajuda a proteger o Vertex AI Gemini API verificando se as solicitações são do seu app real. Ele oferece suporte a provedores de atestado para plataformas da Apple (DeviceCheck ou App Attest), Android (Play Integrity) e Web (reCAPTCHA Enterprise).
Configurar restrições para suas chaves de API do Firebase
Revise a lista de permissões de "Restrições de API" de cada chave de API do Firebase:
Verifique se a API Vertex AI in Firebase está na lista de permissões.
Verifique se as únicas outras APIs na lista de permissões da chave são para os serviços do Firebase que você usa no app. Consulte a lista de APIs necessárias para estar na lista de permissões de cada produto.
Defina "Restrições de aplicativo" para restringir o uso de cada chave de API do Firebase apenas a solicitações do seu app (por exemplo, um ID de pacote correspondente para o app da Apple). Mesmo que você restringa a chave, o uso de Firebase App Check ainda é altamente recomendado.
As APIs relacionadas ao Firebase usam chaves de API apenas para identificar o projeto ou app do Firebase, não para autorização para chamar a API.
Desative todas as APIs não usadas no seu projeto do Firebase
Por exemplo, se você testou o Gemini API pela primeira vez usando Google AI Studio, agora é possível desativar a API Generative Language. Agora, o app usa Vertex AI in Firebase, que depende da API Vertex AI e da API Vertex AI in Firebase.
Faturamento e cota
Revisar suas cotas para as APIs subjacentes necessárias
O uso de Vertex AI in Firebase requer duas APIs: Vertex AI e Vertex AI in Firebase.
A cota de cada API é medida de maneira um pouco diferente, o que significa que elas podem ser usadas para finalidades diferentes. Para considerações importantes, consulte Entenda as cotas de cada API.
As cotas também variam de acordo com o modelo e a região. Portanto, verifique se elas estão definidas de acordo com seus usuários e casos de uso.
Também é possível editar a cota ou solicitar um aumento, conforme necessário.
Evite cobranças inesperadas
Como prática recomendada para produção, monitore seu uso e configure alertas de orçamento.
Gerenciamento de configurações
Usar uma versão estável do modelo no app de produção
No app de produção, use apenas
versões de modelo estáveis (como
gemini-1.5-flash-002), e não uma versão de pré-lançamento ou uma versão atualizada automaticamente.
Embora uma versão atualizada automaticamente aponte para uma versão estável, a versão do modelo a que ela aponta vai mudar automaticamente sempre que uma nova versão estável for lançada, o que pode significar comportamento ou respostas inesperados. Além disso, versões de pré-lançamento são recomendadas apenas durante a prototipagem.
Também recomendamos o uso de Firebase Remote Config para controlar e atualizar o nome do modelo usado no app. Consulte a próxima seção para mais detalhes.
Configurar e usar o Firebase Remote Config
Com o Remote Config, é possível controlar configurações importantes do recurso de IA generativa na nuvem em vez de codificar valores no código. Isso significa que você pode atualizar a configuração sem lançar uma nova versão do app. É possível fazer muitas coisas com Remote Config, mas aqui estão os principais valores que recomendamos controlar remotamente para o recurso de IA generativa:
Mantenha o app atualizado.
- Nome do modelo: atualize o modelo usado pelo app conforme novos modelos são lançados ou outros são descontinuados.
Ajuste valores e entradas com base nos atributos do cliente ou para acomodar o feedback de testes ou usuários.
Configuração do modelo: ajuste a temperatura, os tokens de saída máximos e outros.
Configurações de segurança: ajuste as configurações de segurança se muitas respostas estiverem sendo bloqueadas ou se os usuários denunciarem respostas nocivas.
Instruções do sistema e comandos fornecidos: ajuste o contexto adicional que você está enviando para o modelo para direcionar as respostas e o comportamento dele. Por exemplo, você pode personalizar comandos para tipos de clientes específicos ou personalizar comandos para novos usuários que são diferentes dos usados para gerar respostas para usuários atuais.
Também é possível definir um parâmetro minimum_version em Remote Config
para comparar a versão atual do app com a versão mais recente definida por Remote Config, para mostrar uma notificação de upgrade aos usuários ou forçar o
upgrade.
Definir o local para executar o serviço Vertex AI e acessar um modelo
Definir um local pode ajudar com os custos e evitar a latência para os usuários.
Se você não especificar um local, o padrão será us-central1. É possível definir esse
local durante a inicialização ou, opcionalmente,
usar Firebase Remote Config para mudar o local dinamicamente com base na localização de cada usuário.