Beginning

2023 年，是個奇幻又充滿機會的一年。隨著 OpenAI 發佈 GPT-3.5 公開版本，各種應用如潮水般湧現。正如現代版的「美國夢」一樣，不僅大公司受此趨勢推動開發更多商業應用，更使許多開發者能以各種機器學習框架與整合工具如瑞士刀一般，輕鬆地突破過去的技術瓶頸與痛點。

正如《Company of One》這本書中所提到的概念 :

At any size, simple rules, simple processes and simple solutions typically win

擁有追求自我實現的自由與為自己工作的狀態，做到真正實現目標

圖片來源: visualgrowth.com

因此，我想要嘗試使用數個知名的雲服務與供應商，試圖拼出一套在優先實現目標的同時，也能有效控制技術成本與產品發展的平台。

Before we start

雖然這個系列文章中，會有很多的篇幅是在敘述這個平台的組成，但最重要的是要先定義產品的命題，嘗試利用現有的機器學習技術，去實現一個 Podcast 搜尋與推薦平台

Table of Contents

Week 1: Research & Setup

• Research & Requirements Gathering

  • 瞭解需求與架構規劃，找出你的第一個 MVP (Minimum Viable Product)
  • 畫出你的藍圖，開始編織出架構的細節與建立第一個專案

• Infrastructure Setup

  • GCP 專案設定與 Cloud SQL 資料庫的初始化.
  • 建立 Firebase 專案與 Hosting 啟用.
  • 讓 API servcie 動起來: 使用 Cloud Build 啟動 Cloud Run 上的 Laravel

Week 2: Development

• Authentication Setup & API Development

  • Authentication: GCP Identity Platform 或是 Auth0?
  • 快速完成 CRUD API，定義基本的產品邏輯

• Frontend Development

  • 站在 Vercel 巨人的肩膀上: 讓 Next.js 全家桶快速打造高效率 UI
  • 佈署與 CDN 的選擇，讓內容傳遞無國界

• Search Integration

  • 新手的好夥伴: Algolia search 初嘗試
  • 搜尋設定與推薦功能初始化

Week 3: Advanced Features & Testing

• Podcast Feed & Crawler

  • 資料建立的第一步: Podcast feed 爬蟲建置
  • 建立簡單的資料流程，自動化處理 Podcast 資料

• STT Integration

  • Speech-to-Text (STT) 介紹與使用 Colab 打造你的雲端機器學習運算平台
  • 整合資料與 Algolia search 的搜尋內容最佳化

• Notifications & Logging

  • 讓 Notification 建立起平台與使用者的橋樑
  • 建立基本的可觀測性: GCP logging & trace 或是 Sentry?

Week 4: Final Touches & Deployment

• Deployment & Monitoring

  • 產品的把關，讓 Pest 把 testing 變有趣
  • CI/CD pipelines 加速可以自動化的手工藝
  • 建立監控與預警系統，從基礎設施到產品服務的品質維持

• Review & Launch

  • 產品，啟動！
  • 最後的 Review 與修正 ...