Vertex AI in Firebase SDK 正式上线，助力移动应用集成生成式 AI

主要观点

经过三个月的 Beta 测试，Google 工程师 Thomas Ezan 宣布 Vertex AI in Firebase SDK 正式进入生产环境。该 SDK 旨在帮助开发者将 Gemini AI 集成到 Android 和 iOS 应用中，提供原生 API、防止未授权使用的安全性以及与其他 Firebase 服务的集成。Ezan 强调了在生产环境中成功部署的三个关键维度：滥用预防、远程配置和负责任地使用 AI。

关键信息与细节

1. 应用场景与案例

• Gemini AI 的集成使开发者能够为应用构建 AI 功能，例如 AI 聊天体验、AI 驱动的优化与自动化等。

• 目前已有应用使用该 SDK，包括：

  • Meal Planner：利用 AI 生成原创的膳食计划。
  • Life：作为 AI 日记助手，将对话转换为日记条目。
  • HiiKER：为徒步爱好者提供 AI 支持的功能。

2. 滥用预防

• 为了防止未授权访问和滥用，Google 提供了 Firebase App Check，用于验证流量是否来自真实的、未被篡改的应用和设备。
• App Check 服务器验证设备信息并返回带有有效期的令牌，客户端缓存该令牌以用于后续请求。未携带令牌的请求将被拒绝。

3. 远程配置

• 远程配置可用于管理 Gemini 模型的快速更新以及其他可能随时调整的参数，如最大 token 数、温度、安全设置、系统指令和提示数据。

• 其他重要用例包括：

  • 将模型位置设置在用户附近。
  • 进行 A/B 测试以优化系统提示和模型参数。
  • 启用或禁用与 AI 相关的功能。

4. 用户反馈收集

• 在将 AI 功能推向生产环境时，构建反馈机制至关重要，例如在应用中添加“点赞”和“点踩”按钮以及详细的反馈表单，以评估用户对 AI 输出的满意度。

5. 负责任地使用 AI

• 透明度：明确告知用户应用中使用了 AI 功能。
• 数据治理：确保用户数据不被 Google 用于模型训练。
• 潜在风险：提醒用户 AI 可能产生意外行为。

6. 局限性与替代方案

• 局限性：Vertex AI in Firebase SDK 不支持更高级的用例（如流式处理），且其 API 较简化，类似于直接调用大语言模型（LLM），因此在构建代理、聊天机器人或自动化功能时灵活性较低。
• 替代方案：对于需要支持流式处理或更复杂交互的开发者，可以考虑使用 Google GenKit，其还提供免费层级用于测试。

总结

Vertex AI in Firebase SDK 为开发者提供了一条便捷的路径，无需处理 Google Cloud 的复杂性或切换编程语言即可在移动应用中集成 AI 功能。然而，开发者仍需关注滥用预防、远程配置和负责任地使用 AI 等关键实践，以确保应用的安全性和用户体验。对于更复杂的用例，Google GenKit 是一个值得考虑的替代方案。