因為一直在修改和測試功能，觸發 Vertex AI 資源耗盡：

google.genai.errors.ClientError: 429 RESOURCE_EXHAUSTED. {'error': {'code': 429, 'message': 'Resource exhausted. Please try again later. Please refer to https://cloud.google.com/vertex-ai/generative-ai/docs/error-code-429 for more details.', 'status': 'RESOURCE_EXHAUSTED'}}"

問了 Gemini 後發現可以到 Quotas & System Limits 查使用狀況，很精彩的 Vertex AI API 達到 71.67% ：

不過可能是東京的 Server 太多人用，不管怎麼調都還是顯示資源耗盡，後來直接換到新加坡的 Server 才解決。

🧱 模型結構重構：Literal → 型別別名

今天做了不少的程式碼調整，原本在 Activity 模型中，活動類型與交通方式是直接使用 Literal[...] 進行定義。這次更新將其抽象為可重用的型別別名：

ActivityType = Literal["sightseeing", "restaurant", "shopping", "accommodation", "freeTime", "transport", "other"]
TransportType = Literal["train", "highSpeedTrain", "flight", "bus", "taxi", "bike", "walk", "car", "boat", "motorcycle", "other"]

並搭配對應的 tuple 常數 ACTIVITY_TYPE 和 TRANSPORT_TYPE，方便後續在 JSON 轉換或驗證時使用索引存取。這樣的設計不僅提升了模型的可讀性，也讓型別在其他模型（如 QueryPayload）中得以重複使用，減少重複定義。

🔄 JSON → Pydantic 模型轉換：itineraryjson2model

新增的 itineraryjson2model(json_str) 函數是這次的核心亮點之一。它負責將原始 JSON 字串轉換為符合 AgentResponse 的 Pydantic 模型，並進行以下處理：

• 將 type 與 transportType 轉換為對應的 Literal 字串
• 將經緯度欄位整合為 latLng 子模型
• 處理時間欄位與 duration 計算
• 將 trip.name 映射為 title

這個函數讓前端傳入的 JSON 能夠被後端安全地解析並轉換為強型別模型，為後續的 session 建立與修改提供穩固基礎。

🧑‍🏫 結語：為 Agent Engine 打造更穩健的資料橋接層

這次的調整不只是程式碼上的優化，更是對整體資料流設計的一次升級。透過型別抽象、時間處理強化、JSON 轉換模組化，以及錯誤記錄機制的導入，整個行程處理流程變得更清晰、更安全，也更容易維護。