Menggunakan bantuan AI untuk kueri dan mutasi Firebase Data Connect

Anda dapat menggunakan Gemini di Firebase di konsol Firebase untuk membantu Anda membuat kueri dan mutasi yang akan disertakan dalam kode sisi klien. Jelaskan kueri atau mutasi yang ingin Anda buat dalam bahasa alami, dan Gemini di Firebase akan memberi Anda GraphQL yang setara. Jalankan dan uji output di konsol Firebase, lalu salin kueri dan mutasi yang telah selesai ke dalam kode Anda.

Pelajari kueri dan mutasi lebih lanjut di skema, kueri, dan mutasi Data Connect.

Cara AI assistance for Data Connect in the Firebase console menggunakan data Anda

AI assistance for Data Connect in the Firebase console tidak menggunakan perintah Anda atau responsnya sebagai data untuk melatih modelnya. Untuk mengetahui informasi selengkapnya, lihat Cara Gemini di Google Cloud menggunakan data Anda.

Siapkan AI assistance for Data Connect in the Firebase console

Untuk menyiapkan bantuan AI di Data Connect, aktifkan Gemini di Firebase seperti yang dijelaskan dalam Menyiapkan Gemini di Firebase, lalu lanjutkan ke Membuat kueri dan mutasi GraphQL dengan Gemini di Firebase.

Membuat kueri dan mutasi GraphQL dengan Gemini di Firebase

Untuk menggunakan AI assistance for Data Connect in the Firebase console guna membuat GraphQL berdasarkan natural language:

  1. Buka Data Connect di project Anda, lalu di bagian Layanan, pilih sumber data Anda.

  2. Klik Data.

  3. Klik ikon Bantu tulis GraphQLpen_spark.

  4. Di dalam kolom teks yang muncul, jelaskan kueri atau mutasi yang ingin Anda hasilkan dalam natural language, lalu klik Buat.

    Misalnya, jika menggunakan sumber data Film yang dirujuk dalam panduan memulai Firebase Data Connect dan codelab Build dengan Data Connect, Anda dapat bertanya, "Tampilkan lima film teratas tahun 2022, dalam urutan menurun berdasarkan rating", yang mungkin menampilkan hasil seperti berikut:

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

  5. Tinjau respons:

    • Jika respons terlihat benar, klik Sisipkan untuk menyisipkan respons ke editor kode.
    • Jika respons dapat ditingkatkan, klik Edit, perbarui perintah, lalu klik Buat ulang.

  6. Setelah Anda menerima respons, tetapkan hal berikut di bagian Parameters, jika berlaku:

    • Variabel: Jika kueri atau mutasi Anda berisi variabel, tentukan variabel tersebut di sini. Gunakan JSON untuk menentukannya, misalnya, {"title":"The Matrix", "releaseYear":"1999"}.
    • Authorization: Pilih Konteks otorisasi (Administrator, Diautentikasi, atau Tidak Diautentikasi) yang akan digunakan untuk menjalankan kueri atau mutasi.

  7. Klik Run di editor kode dan tinjau hasilnya.

Untuk menguji beberapa kueri atau mutasi di editor kode, pastikan kueri atau mutasi tersebut diberi nama. Misalnya, kueri berikut diberi nama GetMovie. Pindahkan kursor ke baris pertama kueri atau mutasi untuk mengaktifkan tombol Run.

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

Kasus penggunaan AI assistance for Data Connect in the Firebase console

Bagian berikut menjelaskan contoh kasus penggunaan, termasuk kasus saat Anda dapat meminta Gemini untuk membantu Anda membuat mutasi guna mengisi Data Connect, lalu membuat kueri untuk memverifikasi hasilnya.

Membuat mutasi yang menambahkan film ke database berdasarkan input pengguna

Di bagian ini, Anda akan mempelajari contoh penggunaan natural language untuk menghasilkan GraphQL untuk mutasi yang dapat digunakan untuk mengisi database. Contoh ini mengasumsikan bahwa Anda menggunakan skema database film yang digunakan dalam dokumentasi Firebase Data Connect dan codelab Build dengan Data Connect.

  1. Dari konsol Firebase, buka Data Connect.

  2. Pilih layanan dan sumber data Anda, lalu buka tab Data.

  3. Klik ikon Bantu tulis GraphQLpen_spark, lalu di kotak yang muncul, ketik kueri Anda:

    Create a movie based on user input.

  4. Klik Buat. Mutasi akan ditampilkan. Misalnya, Gemini mungkin menampilkan mutasi seperti:

    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. Tinjau output. Jika diperlukan, klik Edit untuk meningkatkan kualitas perintah, lalu klik Buat ulang.

  6. Selanjutnya, klik Sisipkan untuk menyisipkan mutasi ke editor data.

  7. Untuk menjalankan mutasi, Anda harus menambahkan variabel. Dari bagian Parameters, buka Variables dan sertakan beberapa variabel pengujian:

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

  8. Klik Run.

  9. Selanjutnya, buat kueri yang memverifikasi bahwa film Anda telah ditambahkan. Klik Bantu tulis GraphQL pen_spark lalu ketik perintah Anda di kotak yang muncul:

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

    Gemini mungkin menampilkan respons seperti berikut:

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

  10. Masukkan dan jalankan kueri. Film yang Anda tambahkan akan muncul di kolom Histori.

Membuat kueri yang mencantumkan ulasan berdasarkan genre dan rating yang disediakan pengguna

Di bagian ini, Anda akan mempelajari contoh penggunaan bahasa alami untuk membuat GraphQL untuk kueri. Contoh ini mengasumsikan bahwa Anda menggunakan database film yang digunakan dalam dokumentasi Firebase Data Connect dan Build dengan codelab Data Connect.

  1. Dari Firebase console, buka Data Connect.

  2. Pilih layanan dan sumber data Anda, lalu buka tab Data.

  3. Klik ikon Bantu tulis GraphQLpen_spark, lalu di kotak yang muncul, ketikkan kueri Anda:

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

  4. Klik Buat. Kueri akan ditampilkan. Misalnya, Gemini mungkin menampilkan kueri seperti:

    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. Tinjau output. Jika diperlukan, klik Edit untuk meningkatkan kualitas perintah, lalu klik Buat ulang.

  6. Selanjutnya, klik Sisipkan untuk menyisipkan mutasi ke editor data.

  7. Untuk menguji kueri ini, Anda harus menambahkan variabel. Dari bagian Parameters, buka Variables dan sertakan variabel yang akan digunakan untuk pengujian:

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

  8. Klik Run.

Memecahkan masalah AI assistance for Data Connect in the Firebase console

Lihat Pemecahan masalah Gemini di Firebase.

Harga

AI assistance for Data Connect in the Firebase console tersedia sebagai bagian dari Gemini di Firebase, yang disertakan dalam Gemini Code Assist. Lihat Harga Gemini dalam Firebase untuk mengetahui informasi selengkapnya.

Langkah berikutnya