Dart Firebase Admin SDK 使用指南
项目介绍
🔥 Dart Firebase Admin SDK 是 Node.js 版Firebase Admin SDK 的Dart语言实现,旨在为Dart和Flutter开发者提供便捷访问Firebase管理功能的能力。当前项目尚处于早期开发阶段,可能某些特性缺失或存在bug。目前主要支持Firestore,未来计划逐步添加更多功能,如认证(Auth)等。
项目遵循 Apache-2.0 许可证,并由Invertase维护,提供了与FlutterFire类似的Firestore使用体验,适用于后端逻辑或复杂数据处理场景。
快速启动
安装
首先,在您的Dart项目中,通过pubspec.yaml文件加入以下依赖:
dependencies:
dart_firebase_admin: ^0.3.1
然后运行flutter pub get或dart pub get来安装包。
初始化
在应用开始时,您需要初始化Firebase Admin SDK。有两种主要方式连接到SDK:
-
使用环境变量(需先通过Firebase CLI登录并设置好相应的环境变量):
import 'package:dart_firebase_admin/dart_firebase_admin.dart'; void main() { final admin = FirebaseAdminApp.initializeApp( 'your_project_name', // 您的项目名 Credential.fromApplicationDefaultCredentials(), ); // 接下来使用admin对象进行操作... } -
使用服务账户JSON文件:
import 'dart:io'; import 'package:dart_firebase_admin/dart_firebase_admin.dart'; Future<void> main() async { final admin = FirebaseAdminApp.initializeApp( 'your_project_name', Credential.fromServiceAccount(File('path_to_your_service_account.json')), ); // 使用admin对象进行操作... await admin.close(); // 不要忘记关闭Admin SDK }
使用Firestore示例
假设您已经成功初始化了admin对象,接下来是如何使用Firestore的一个简单示例:
final firestore = Firestore(admin);
final result = await firestore.collection('users').doc('123').get();
print(result.data());
应用案例与最佳实践
实现用户数据管理
创建用户记录和查询用户年龄大于18岁的所有用户:
final adults = firestore.collection('users')
.where('age', isGreaterThan: 18);
final adultsSnapshot = await adults.get();
adultsSnapshot.docs.forEach((doc) {
print(doc.data()['age']);
});
处理消息推送
发送通知给特定设备:
final messaging = Messaging(admin);
await messaging.send(TokenMessage(
token: "用户设备token",
notification: Notification(
title: '欢迎消息',
body: '欢迎使用我们的应用!',
),
));
典型生态项目
虽然直接相关的典型生态项目信息没有明确定义,但使用dart_firebase_admin的项目通常涉及构建后台服务、云函数或是需要在服务器端处理Firebase相关业务的任何Dart应用。比如结合Firebase的Cloud Functions或自己的Dart后端服务,可以设计自动化用户管理、数据分析或者实时数据库操作的服务。
这个快速引导和案例展示只是冰山一角,深入探索dart_firebase_admin的完整功能和文档,将帮助您充分利用Firebase的强大功能于Dart项目之中。记得持续关注项目更新和文档,以获取最新特性和改进。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00