前言

昨天已經讓 SubWise 能夠透過 Gemini 理解使用者的自然語言，例如輸入「我今天買咖啡花了80元」，Gemini 可以判斷這是一筆消費，並整理成結構化資料：

{
  "type": "expense",
  "category": "Food",
  "amount": 80,
  "item": "咖啡",
  "date": "2026-08-13",
  "note": null
}

但這裡有一個很重要的問題：AI 知道我花了 80 元，那然後呢？ 如果每次都只能把結果顯示在 LINE 裡，這還稱不上真正的智慧記帳。

今天的目標，就是把這條資料流真正接起來：
LINE → Gemini AI → Expense JSON → Python 資料驗證 → Google Sheets

讓 SubWise 第一次真正完成「自動記帳」。Day 12 的核心任務有三個：建立 Google Sheets 寫入功能、建立 Expense Service 負責驗證 AI 回傳資料、把整個流程部署到 Render 並透過 LINE 實際測試。

今日實作實錄

一、建立 expense_service，AI 理解與程式驗證分工

為了避免把所有邏輯都塞進 app.py，另外建立 expense_service.py，專門負責「驗證 Gemini 的消費資料 → 呼叫 Google Sheets 寫入」：

def save_expense(data):
    if not data:
        return False
    if data.get("type") != "expense":
        return False

    amount = data.get("amount")
    if amount is None:
        print("❌ 缺少消費金額")
        return False

    if data.get("date") is None:
        print("❌ 缺少消費日期")
        return False

雖然 Gemini 很聰明，但 AI 回傳的資料還是需要 Python 再驗證一次，例如確認金額能轉成數字、且大於 0：

try:
    amount = float(amount)
except (TypeError, ValueError):
    print("❌ 消費金額格式錯誤")
    return False

if amount <= 0:
    print("❌ 消費金額必須大於 0")
    return False

這是今天很重要的架構概念：不要讓 AI 直接決定資料庫裡最後會存什麼——Gemini 負責「理解」→ Python 負責「驗證」→ Google Sheets 負責「儲存」。另外也把 item 與 note 整理成單一欄位（例如「咖啡｜下午茶」），讓 Google Sheets 的資料更簡潔。

二、本機測試成功

建立 test_save_expense.py，用固定資料測試，執行後成功看到：

🧪 SubWise Expense Service 測試
🚀 開始透過 expense_service 寫入 Google Sheets...
✅ 消費資料已寫入 Google Sheets
📌 測試結果：✅ 測試成功

代表 expense_service → google_sheets → Google Sheets 這條線在本機已經打通。

三、部署到 Render：本機成功 ≠ 雲端成功

把程式部署到 Render 後，一連串問題才真正開始：

問題一：ModuleNotFoundError: No module named 'google'
本機虛擬環境已經安裝 Gemini SDK，但 Render 是重新根據 requirements.txt 建立環境——本機有安裝不代表 Render 有安裝，補上 google-genai 到 requirements.txt 後解決。

問題二：ModuleNotFoundError: No module named 'gspread'
同樣的原因，補上 gspread==6.2.1 到 requirements.txt 後，Render 才正常啟動。

問題三：Render 找不到 credentials.json
因為 credentials.json 被正確地放進 .gitignore（Google Service Account 金鑰不應該上傳到 GitHub），Render 自然也拿不到這個檔案。解決方式是改用 Render 的 Environment Variables，新增 GOOGLE_CREDENTIALS_JSON 存放憑證內容，讓本機繼續用 credentials.json、Render 則透過環境變數取得憑證。這是今天很重要的部署觀念：本機檔案可以存在，但部署環境的機密資料應該透過 Environment Variables 提供。

問題四：Extra data: line 1 column 12 (char 11)
一開始以為是程式邏輯錯誤，後來發現是 Render 裡的 GOOGLE_CREDENTIALS_JSON 貼錯了格式，修正 JSON 內容後解決。

問題五：Gemini 一度回傳 503 UNAVAILABLE
錯誤訊息顯示模型當下處於高流量狀態，這不是程式碼寫錯，重新測試一次後 Gemini 就正常回應了。這也提醒了一件事：第三方 API 發生暫時性錯誤，不一定代表程式有問題，Debug 時要先看清楚錯誤類型。

四、最終測試：LINE → Google Sheets 全流程成功

修正所有問題後，再次透過 LINE 傳送「我今天買咖啡花了80元」，Render Logs 依序顯示收到訊息、交給 Gemini 處理、解析成 JSON、判斷為消費資料、寫入 Google Sheets：

📦 Gemini JSON：{'type': 'expense', 'category': 'Food', 'amount': 80, 'item': '咖啡', 'date': '2026-08-13', 'note': None}
💰 Gemini 已辨識為消費資料
📝 開始寫入 Google Sheets...
✅ 消費資料已寫入 Google Sheets

打開 Google Sheets，真的看到 2026-08-13 | Food | 80 | 咖啡 這筆資料。🎉 成功！

今天遇到的錯誤整理

這也讓我更深刻體會到：部署不是把程式丟上雲端就結束，真正的部署，是要讓程式、依賴、環境變數、外部服務全部一起正常運作。

今日完成

• 建立 expense_service.py，負責驗證 Gemini 回傳資料
• 本機測試 expense_service → Google Sheets 寫入流程
• 修正 Render 缺少 google-genai、gspread 套件問題
• 改用 Environment Variable 提供 Render 端的 Google 憑證
• 修正 JSON 憑證格式錯誤
• 完成 LINE → Gemini → expense_service → Google Sheets 全流程實測

今天留下了幾個重要 Commit：19e92ee、45d8e2a、a6c97f5、62e52e1、333cfcb，完整記錄了今天從「程式跑不起來」到「LINE 真的可以把資料寫進 Google Sheets」的過程。

目前完整的資料管線：
LINE 使用者 → Gemini AI（多模態理解）→ expense service（資料驗證）→ Google Sheets（資料儲存）

這代表 SubWise 已經不只是聊天機器人，開始具備「感知 → 理解 → 判斷 → 執行 → 儲存」的 Agent 雛形。

在 LINE 輸入「我今天買咖啡花了80元」，SubWise 自動完成消費辨識，並將資料寫入 Google Sheets：

明日預告

明天 Day 13，將把 Day 11 完成的查詢功能也一起接上 LINE Bot，讓「我這個月花多少？」「我有哪些訂閱？」不只是本機測試成功，而是真的能在 LINE 對話中直接使用。我們明天見！