作者 / 高級開發者關系工程師 Thomas Ezan

Gemini 可以幫助您構建和發布新的用戶功能，從而提高用戶參與度，為您的用戶打造個性化體驗。

借助 Vertex AI in Firebase SDK，您可以訪問 Google 的 Gemini Cloud 模型 (如 Gemini 1.5 Flash 和 Gemini 1.5 Pro)，并為您的 Android 應用添加生成式 AI 功能。該功能于去年 10 月正式發布，目前已經可以用于生產環境，并已被 Google Play 中的許多應用所采用。

以下是一些實用技巧，可以幫助您成功地將此功能部署到生產環境。

實施 App Check 以防止 API 濫用

在使用 Vertex AI in Firebase API 時，實施強有力的安全措施以防止未經授權的訪問和濫用至關重要。

Firebase App Check 有助于保護后端資源 (如 Vertex AI in Firebase 和 Cloud Functions for Firebase，甚至您自定義的后端) 免受濫用。App Check 通過驗證傳入流量是否來自運行在真實且未被篡改的 Android 設備上的真實應用來實現這一目標。

△ Firebase App Check 確保只有合法用戶才能訪問您的后端資源

首先，請將 Firebase 添加至您的 Android 項目，并在 Google Play 管理中心中為您的應用啟用 Play Integrity API。然后返回 Firebase 控制臺，轉到 Firebase 項目的 App Check 部分，通過提供應用的 SHA-256 指紋來注冊您的應用。

隨后，使用適用于 Android 的 App Check 庫更新 Android 項目的 Gradle 依賴項：

dependencies {
 // BoM for the Firebase platform
 implementation(platform("com.google.firebase33.7.0"))


 // Dependency for App Check
 implementation("com.google.firebase:firebase-appcheck-playintegrity")
}

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

為了增強生成式 AI 功能的安全性，您可以在將應用發布到生產環境之前實施并強制執行 App Check。此外，如果您的應用使用了 Firebase Authentication、Firestore 或 Cloud Functions 等其他 Firebase 服務，App Check 也會為這些資源提供額外的保護層。

一旦啟用 App Check 強制執行后，您將可以在 Firebase 控制臺中監控您應用的請求。

△ Firebase 控制臺中的 App Check 指標頁面

您可以查閱 Firebase 官網上的文檔以詳細了解 Android 上的 App Check。

使用 Remote Config 實現服務器端配置管理

生成式 AI 領域發展迅速。每隔幾個月，Gemini 就會迭代推出新模型，并移除部分舊模型。

因此，我們建議通過 Firebase Remote Config 使用服務器控制的變量，而不是在您的應用中硬編碼模型名稱。這樣您就可以動態更新應用使用的模型，而無需部署新版本的應用或要求用戶獲取新版本。

您可以使用 Firebase 控制臺定義要控制的參數 (如模型名稱)。然后，將這些參數以及每個參數的默認 "回退" 值添加到應用中。回到 Firebase 控制臺，您可以隨時更改這些參數的值。您的應用將自動獲取新值。

下面介紹如何在您的應用中實現 Remote Config：

// Initialize the remote configuration by defining the refresh time
valremoteConfig: FirebaseRemoteConfig = Firebase.remoteConfig
valconfigSettings = remoteConfigSettings {
  minimumFetchIntervalInSeconds =3600
}
remoteConfig.setConfigSettingsAsync(configSettings)


// Set default values defined in your app resources
remoteConfig.setDefaultsAsync(R.xml.remote_config_defaults)


// Load the model name
valmodelName = remoteConfig.getString("model_name")

您可以在 Firebase 官網上了解更多關于在 Vertex AI in Firebase 中使用 Remote Config 的內容。

收集用戶反饋以評估影響

當您將啟用 AI 的功能發布到生產環境中時，為您的產品構建反饋機制，并且允許用戶輕松反饋 AI 輸出是否有用、準確或相關至關重要。例如，您可以在界面中加入 "點贊" 和 "反對" 按鈕等交互式元素，以及詳細的反饋表單。Compose 中的 Material Icons package 提供了現成可用的圖標來幫助您實現它。

您可以使用 Google Analytics 的 logEvent() 函數，輕松地將用戶與這些元素的交互作為自定義分析事件進行跟蹤：

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")
 }
}

您可以在 Firebase 文檔中詳細了解 Google Analytics 及其日志記錄功能。

用戶隱私和負責任的 AI

當您使用 Vertex AI in Firebase 進行推理時，我們將確保您發送給 Google 的數據不會被 Google 用于訓練 AI 模型。

當用戶使用生成式 AI 技術時，對其保持信息透明同樣至關重要。您應該提醒用戶模型可能發生的意外行為。

最后，您的應用應該允許用戶控制儲存和刪除他們與 AI 模型交互的相關活動數據。

您可以訪問 Google Cloud 文檔，詳細了解 Google 如何負責任地應用生成式 AI。