「AI 不一定需要昂貴的基礎設施，真正重要的是，它能不能每天解決一個真實的問題。」

一、 故事的開始：一份送給媽媽的禮物
投資理財與我們的日常生活息息相關，每天整理市場資訊、記錄觀察、追蹤投資策略，對許多人來說是一件既重要卻又繁瑣的事。
Angelina 不是一個商業產品，也不是為了追逐最新的 AI 趨勢，她是一份送給媽媽的禮物 ❤️
我給了自己一個挑戰：「如果不用任何月費，只靠 Free Tier 與 Open Source，能不能打造一套真正每天都會使用的 AI Agent？」
答案是：可以！
Angelina 是一套 Self-hosted、Zero-Cost 的 AI 金融分析 Agent。每天晚上（台灣時間 23:00），她會自動整理台股與美股資訊、分析市場趨勢，透過 Telegram 即時推播，並持續累積與進化她自己的知識庫。

二、系統架構全貌（Architecture Overview）
整套系統建立於 Google for Developers 提供的 Gemini Free Tier，部署在 Red Hat Enterprise Linux (RHEL)，以 Podman Rootless Container 執行，並透過 Ansible 進行多 VM 管理。

┌─────────────────────────────────────────────────────────────────────┐
│ Red Hat Linux Host │
│ │
│ ┌───────────────────────────────────────────────────────────────┐ │
│ │ Podman Container (Rootless) │ │
│ │ │ │
│ │ ┌─────────────┐ ┌──────────────┐ ┌────────────────┐ │ │
│ │ │ Chat UI │───▶│ FastAPI │───▶│ Gemini 2.5 │ │ │
│ │ │ (Static) │ │ Backend │ │ Flash (Free) │ │ │
│ │ └─────────────┘ └──────┬───────┘ └────────────────┘ │ │
│ │ │ │ │
│ │ ┌─────────────┼─────────────┐ │ │
│ │ ▼ ▼ ▼ │ │
│ │ ┌──────────────┐ ┌────────────┐ ┌──────────────┐ │ │
│ │ │ ChromaDB │ │ SQLite │ │ Scheduler │ │ │
│ │ │ + Embeddings│ │ Memory │ │ (APScheduler)│ │ │
│ │ └──────────────┘ └────────────┘ └──────┬───────┘ │ │
│ │ │ │ │
│ └──────────────────────────────────────────┼────────────────────┘ │
│ │ │
│ ┌──────────────────────────────────────────┴────────────────────┐ │
│ │ External Services │ │ │
│ │ ▼ │ │
│ │ ┌──────────┐ ┌──────────────┐ ┌──────────────┐ │ │
│ │ │ Telegram │ │ Google Sheets│ │ Google Drive │ │ │
│ │ │ Bot │ │ (Tracking) │ │ (Knowledge) │ │ │
│ │ └──────────┘ └──────────────┘ └──────────────┘ │ │
│ └───────────────────────────────────────────────────────────────┘ │
│ │
│ ┌────────────────┐ ┌─────────────────┐ │
│ │ Ansible │ │ Red Hat │ │
│ │ (Management) │ │ Insights │ │
│ └────────────────┘ └─────────────────┘ │
└─────────────────────────────────────────────────────────────────────┘

三、技術棧與 $0 元選型思維（Tech Stack）
好的系統，不只要考慮「成功」，更要考慮「失敗與維運」。
這套專案展現的是具備生產級別（Production-Ready）的維運架構：
模組領域 / 採用技術/工具 / $0 元方案理由
AI 推理核心 / Google Gemini 2.5 Flash / 免費 API 配額，具備強大推理解析力（備有 Flash-Lite 降級模型）
向量知識庫 / ChromaDB + sentence-transformers / 本地端 RAG 檢索，不依賴付費向量資料庫雲端服務
記憶機制 / SQLite + Auto-Summarization / 輕量化持久化對話紀錄與自動摘要
後端與 API / Python FastAPI + APScheduler / 高效能非同步框架與精準定時排程引擎
容器與隔離 / Podman (Rootless) / 非 root 權限執行，安全性極高的容器化部署
作業系統 / Red Hat Enterprise Linux (RHEL) / 使用 RHEL Developer Subscription 取得企業級 OS
自動化與監控 / Ansible + Red Hat Insights / 多機器集中部署、狀態稽核與系統健康度追蹤
外部生態 / Telegram Bot + Google Sheets/Drive API / 零成本通知推播、歷史趨勢追蹤與雲端知識同步

四、這 30 天，我們將會學到什麼呢？
在接下來的 30 天裡，我將把這套專案拆解、蒸餾成最純粹的技術實務，一步步分享如何從基礎設施搭建到 AI Agent 的持續演進：
Week 1：硬核基礎設施與安全隔離（Infra & Security）RHEL 環境配置、Podman Rootless 容器安全隔離與 Ansible 自動化維運。
Week 2：AI 大腦、RAG 知識庫與雙記憶引擎（AI & Memory）Gemini API 整合、Model Fallback 自動降級重試、ChromaDB 向量庫與 SQLite 長對話記憶。
Week 3：工作流自動化與外部生態系（Workflow & Integration）FastAPI 雙向溝通、股市數據抓取排程、Telegram 即時推播與 Google Workspace 同步。
Week 4：生產級維運、自動化備份與未來演進（DevOps & Future Evolution）Red Hat Insights 監控、自動化備份復原腳本，以及 AI Agent 下一階段的架構重構思維。

五、這次獨自升級專案的過程中，我有很深的體會..
AI 不一定要花大錢：Free Tier 搭配 Open Source，同樣能打造出有高價值的應用。
維運機制比模型本身更重要：模型 Fallback、自動 Retry、週期性 Backup、Maintainability 與 Reliability，才是決定系統能否長期運行的關鍵。
技術真正的價值：不在於追逐最新框架，而是解決生活中真實存在的問題，照顧到真實的人。

開啟連續 30 天的鐵人挑戰，讓我們一起把技術淬鍊成真正的實務心法！
明日預告：【Day 02】打造穩固基石：RHEL 基礎環境設定與 Rootless Podman 容器安全隔離