「一個好的 AI Agent 專案，最難的往往不是寫出演算法，而是如何確保每次代碼更新都能以自動化、無縫且能以 Zero-Downtime 的方式部署至生產伺服器。」

在 Day 13 中，我們探討了如何透過 Podman 撰寫 Containerfile 將 FastAPI 應用打包，並由 Systemd (angelina.service) 進行服務化託管。今天我們將進入自動化部署的核心章節——deploy/deploy.sh 自動化部署腳本實作與 CI/CD 流程整合！

這套腳本專為 RHEL 企業級 Linux 伺服器打造，結合 Git 版本控管、Podman 零快取建置與 Systemd 服務動態重載，實現「一鍵拉取、自動編譯與零人工失誤」的部署體驗。

本篇重點摘要

1. 為什麼選擇輕量 Shell 腳本搭配 Git Hooks / CI Runner？
2. 剖析 deploy/deploy.sh 自動化部署腳本的 5 大關鍵步驟與錯誤處理（set -e）。
3. 實作 Podman 映像檔自動建置與舊容器平滑無縫替換（Graceful Reload）。
4. 整合 Ansible 自動化劇本與系統完工驗收（/health 端點自動探測）。

一、自動化部署腳本設計 (deploy/deploy.sh)

在生產伺服器 /opt/angelina 目錄下，我們撰寫了 deploy/deploy.sh。腳本開頭設置了 set -e（遇到任何非零返回碼知識立刻終止），確保部署過程中只要有任何一個步驟失敗，就會立刻中斷並回報，避免將有瑕疵的代碼部署至線上：

Bash
#!/usr/bin/env bash
# ==============================================================================
# Angelina AI Agent - One-Click Deployment Script
# Path: /opt/angelina/deploy/deploy.sh
# ==============================================================================

set -euo pipefail

APP_DIR="/opt/angelina"
IMAGE_NAME="angelina-agent:latest"
SERVICE_NAME="angelina.service"

echo "[1/5] Starting deployment pipeline for Angelina Agent..."

# Step 1: 進入專案目錄並拉取最新 Git 代碼
cd "${APP_DIR}"
echo "[2/5] Pulling latest changes from git repository..."
git pull origin main

# Step 2: 使用 Podman 重新建置容器映像檔
echo "🔨 [3/5] Building Podman container image..."
podman build -t "${IMAGE_NAME}" -f Containerfile .

# Step 3: 重新載入 Systemd 服務設定
echo "[4/5] Reloading systemd manager configuration..."
systemctl daemon-reload

# Step 4: 重啟 Angelina Systemd 服務
echo "[5/5] Restarting ${SERVICE_NAME}..."
systemctl restart "${SERVICE_NAME}"

# Step 5: 探測健康檢查端點，確認部署成功
echo "🔍 Verifying application health..."
sleep 3
if curl -s -f http://127.0.0.1:8080/health > /dev/null; then
    echo "Deployment completed successfully! Angelina Agent is healthy."
else
    echo "Health check failed! Please check logs using: journalctl -u ${SERVICE_NAME} -n 50"
    exit 1
fi

二、部署流程 5 大核心機制解析

1. set -euo pipefail 嚴格防錯：
   (1) -e：任何命令出錯即刻退出。
   (2) -u：未定義變數視為錯誤。
   -o pipefail：管道（Pipe）中只要有一個指令失敗，整體即判定失敗。

2. Podman 無縫重新建置：
   (1) 執行 podman build 時，Podman 會比對檔案雜湊值，自動完成套件快取與層級建置，大幅縮短 deployment 時間。

3. Systemd 安全重啟機制：
   (1) 配合在 Day 13 寫好的 angelina.service，當執行 systemctl restart angelina.service 時，Systemd 會先執行 ExecStartPre 停止並清理舊容器，再帶入掛載參數啟動新容器。

4. 即時健康檢查驗空（Health Gatekeeper）：
   (1) 重啟後自動使用 curl -s -f http://127.0.0.1:8080/health 發起探測。若未回傳 HTTP 200，立刻回報錯誤並指引維運者查看 journalctl 日誌。

三、Ansible 遠端自動化部署觸發

搭配我們專案中的 Ansible 目錄，維運者只需在 Local 管理端執行一行 Playbook，即可遠端觸發伺服器上的 deploy.sh 腳本，實現去中心化的自動化維運：

YAML
# ansible/deploy_playbook.yml
- name: Trigger Angelina Agent Deployment Pipeline
  hosts: angelina_servers
  become: yes
  tasks:
    - name: Ensure deploy.sh has execution permissions
      file:
        path: /opt/angelina/deploy/deploy.sh
        mode: '0755'

    - name: Execute automated deployment script
      command: /opt/angelina/deploy/deploy.sh
      register: deploy_output

    - name: Display deployment log
      debug:
        var: deploy_output.stdout_lines

四、前半段階段性小結

到今天為止，我們完成了一套具備基礎架構、AI 推理大腦、長效記憶、RAG 知識檢索、自動化數據管線，以及容器化與自動化部署的 Angelina AI Financial Expert Agent 核心系統！

這套架構讓 Agent 能在 RHEL 伺服器上實現 數據 100% 留存本地、營運成本 $0 元 的穩定運作。隨後我們將進一步針對 Agent 的思考品質、防禦機制與效能瓶頸進行深入調優與演進！

明日預告：【Day 15】(敬請期待~)