今天的重點有兩個：人臉辨識方案的調整 和 VM 操作的學習。

一開始我一直以為 Google AI Studio 的 chat 和 Gemini 模型是一樣的，所以直接依照 AI Studio 的建議使用 Google Vision API 做人臉辨識。但實際操作後發現遲遲無法成功，最後才確定 Vision API 只能偵測圖片中有無人臉，卻因為隱私權更新，已經不再提供「分辨不同人臉」的功能。這也代表我之前的方案方向錯了。今天的心得就是：Google AI Studio 的 chat 並不是Gemini。

Google Vision的解法失敗了 , 明天我會開始嘗試 Azure 的人臉辨識 API，看看能不能達成效果。

另一部分的收穫是 VM 的操作。我今天更熟悉了如何把 GitHub 的程式版本推到 VM 上，也學會了如何將 API 金鑰寫入 VM 的環境變數，這樣程式就能透過 os.getenv() 方式安全地讀取金鑰，不需要把敏感資訊寫死在程式裡。這對專案部署來說非常重要。

我今天有詢問並操作過的終端機語法

• Git 與程式操作
• git clone → 從 GitHub 拉專案到 VM
• git checkout → 切換到指定分支
• ls → 查看資料夾檔案
• cd → 進入專案資料夾
• nano app.py → 用 nano 編輯程式
• python3 app.py 或 flask run → 啟動 Flask 伺服器
• 測試影像上傳
• curl -F "image=@test.png" http://:5000/upload → 手動上傳圖片測試後端辨識
• 環境變數操作（API 金鑰設定）
• export GEMINI_API_KEY="your_api_key_here" → 在當前 session 設定金鑰
• export GOOGLE_VISION_KEY="your_api_key_here" → 設定 Vision API 金鑰
• echo $GEMINI_API_KEY → 確認金鑰是否正確寫入
• printenv | grep KEY → 查看所有與 KEY 相關的環境變數
• nano ~/.bashrc → 把 export 指令寫入檔案，讓金鑰在每次登入時自動載入