AI تولیدی آماده تولید در Android با Vertex AI در Firebase

Gemini می تواند به شما در ساخت و راه اندازی ویژگی های جدید کاربر کمک کند که باعث افزایش تعامل و ایجاد تجربیات شخصی برای کاربران شما شود.

Vertex AI در Firebase SDK به شما امکان می دهد به مدل های ابری Gemini Google (مانند Gemini 1.5 Flash و Gemini 1.5 Pro) دسترسی پیدا کنید و قابلیت های Genai را به برنامه Android خود اضافه کنید. در اکتبر گذشته به طور کلی در دسترس قرار گرفت و این بدان م،ی است که اکنون برای تولید آماده است و قبلاً توسط بسیاری از برنامه ها در Google Play استفاده می شود.

در اینجا نکاتی برای استقرار موفقیت آمیز به تولید ارائه شده است.

برای جلوگیری از سوءاستفاده API ، برنامه را بررسی کنید

هنگام استفاده از Vertex AI در API Firebase ، اجرای اقدامات امنیتی قوی برای جلوگیری از دسترسی و سوء استفاده غیرمجاز بسیار مهم است.

بررسی برنامه Firebase به محافظت از منابع باطن (مانند Vertex AI در Firebase ، عملکردهای ابری برای Firebase یا حتی پس زمینه سفارشی شما) کمک می کند تا از سوء استفاده استفاده کنید. این کار را با تأیید اینکه ترافیک دریافتی از برنامه معتبر شما در حال اجرا بر روی یک دستگاه Android معتبر و بدون فشار است ، انجام می دهد.

برای شروع کار ، Firebase را به پروژه Android خود اضافه کنید و فعال ، بازی API یکپارچگی برای برنامه خود در کنسول Google Play. در کنسول Firebase ، به بخش برنامه چک پروژه Firebase خود بروید تا برنامه خود را با ارائه آن ثبت کنید اثر انگشت SHA-256بشر

سپس وابستگی های Gradle Project Android خود را با کتابخانه بررسی برنامه برای Android به روز کنید:

dependencies {    // BoM for the Firebase platform   implementation(platform("com.google.firebase:firebase-bom:33.7.0"))    // Dependency for App Check    implementation("com.google.firebase:firebase-appcheck-playintegrity")}

سرانجام ، در کد Kotlin خود ، قبل از استفاده از هر گونه SDK Firebase دیگر ، بررسی برنامه را آغاز کنید:

Firebase.initialize(context)Firebase.appCheck.installAppCheckProviderFactory(    PlayIntegrityAppCheckProviderFactory.getInstance(),)

برای تقویت امنیت ویژگی AI تولید کننده خود ، باید قبل از انتشار برنامه خود به تولید ، برنامه را اجرا و اجرا کنید. علاوه بر این ، اگر برنامه شما از سایر خدمات Firebase مانند Firebase Authentication ، Firestore یا Cloud Tables استفاده می کند ، App Check یک لایه اضافی از محافظت را برای آن منابع نیز فراهم می کند.

پس از اجرای برنامه ، می تو،د درخواست های برنامه خود را در کنسول Firebase کنترل کنید.

می تو،د اطلاعات بیشتری در مورد بررسی برنامه در Android در مستندات پایگاه آتش نش،بشر

برای پیکربندی کنترل شده سرور از پیکربندی از راه دور استفاده کنید

چشم انداز AI تولیدی به سرعت تکامل می یابد. هر چند ماه ، تکرارهای جدید مدل Gemini در دسترس قرار می گیرند و برخی از مدل ها حذف می شوند. vertex AI را در Firebase مشاهده کنید صفحه مدل های جمینی برای جزئیات بیشتر

به همین دلیل ، به جای کدگذاری نام مدل در برنامه خود ، توصیه می کنیم با استفاده از یک متغیر تحت کنترل سرور استفاده کنید پیکربندی از راه دور Firebaseبشر این به شما امکان می دهد بدون نیاز به استقرار نسخه جدیدی از برنامه خود ، مدلی را که برنامه خود را استفاده می کند به روز کنید یا از کاربران خود بخواهید نسخه جدیدی را انتخاب کنند.

شما پارامترهایی را که می خواهید کنترل کنید (مانند نام مدل) با استفاده از کنسول Firebase تعریف می کنید. سپس ، این پارامترها را به همراه مقادیر پیش فرض "سقوط" برای هر پارامتر به برنامه خود اضافه می کنید. در کنسول Firebase ، می تو،د در هر زمان مقدار این پارامترها را تغییر دهید. برنامه شما به طور خودکار مقدار جدید را واکشی می کند.

در اینجا نحوه اجرای پیکربندی از راه دور در برنامه خود آورده شده است:

// Initialize the remote configuration by defining the refresh timeval remoteConfig: FirebaseRemoteConfig = Firebase.remoteConfigval configSettings = remoteConfigSettings {    minimumFetchIntervalInSeconds = 3600}remoteConfig.setConfigSettingsAsync(configSettings)// Set default values defined in your app resources remoteConfig.setDefaultsAsync(R.xml.remote_config_defaults)// Load the model nameval modelName = remoteConfig.getString("model_name")

بیشتر در مورد با استفاده از پیکربندی از راه دور با Vertex AI در Firebaseبشر

بازخورد کاربر را برای ارزیابی تأثیر جمع کنید

همانطور که ویژگی AI خود را به تولید می پردازید ، ساخت مک،سم های بازخورد در محصول خود بسیار مهم است و به کاربران این امکان را می دهد تا به راحتی سیگنال دهند که آیا ،وجی AI مفید ، دقیق یا مرتبط بوده است. به ،وان مثال ، می تو،د ،اصر تعاملی مانند انگشت شست و دکمه های انگشت شست و فرم های بازخورد دقیق را در رابط کاربری گنج،د. در نمادهای مواد در آهنگسازی بسته بندی آماده استفاده از نمادها برای کمک به شما در اجرای آن است.

شما می تو،د با استفاده از Google Analytics ، تعامل کاربر را با این ،اصر به ،وان رویدادهای تجزیه و تحلیل سفارشی پیگیری کنید Stayer () عملکرد:

Row {   Button (      onClick = {         firebaseAnalytics.logEvent("model_response_feedback") {  param("feedback", "thumb_up")         }      }   ) {      Icon(Icons.Default.ThumbUp, contentDescription = "Thumb up")   },   Button (      onClick = {         firebaseAnalytics.logEvent("model_response_feedback") {  param("feedback", "thumb_down")         }      }   ) {      Icon(Icons.Default.ThumbDown, contentDescription = "Thumb down")   }}

درباره Google Analytics و آن بیشتر بد،د قابلیت های ورود به سیستم رویداد در مستندات Firebase.

حریم خصوصی کاربر و AI مسئول

هنگامی که از Vertex AI در Firebase برای استنتاج استفاده می کنید ، این ضمانت را دارید که داده های ارسال شده به Google توسط Google برای آموزش مدل های AI استفاده نمی شود (ببینید مستندات Vertex AI برای جزئیات)

همچنین شفاف بودن با کاربران خود هنگام درگیر شدن با فناوری تولید AI مهم است. شما باید احتمال رفتار مدل غیر منتظره را برجسته کنید.

سرانجام ، کاربران باید در برنامه شما کنترل کنند که چگونه فعالیت آنها در ارتباط با تعامل مدل AI ذخیره و حذف می شود.

شما می تو،د در مورد نحوه نزدیک شدن Google در AI با مسئولیت پذیری در این زمینه اطلاعات بیشتری ،ب کنید مستندات Google Cloudبشر