前言：AI 教練真正的戰場，在你的日常生活裡

經過了 28 天的奮戰，KAKERU 系統完成了全端架構的建置與部署。

KAKERU 的誕生，不是用來取代 Garmin、Apple Watch 或 COROS 等「即時 GPS 紀錄工具」，而是一位「能協助規劃目標賽事的專屬 AI 教練」。使用者不需要帶著它出門跑步，它的核心價值在於：賽前規劃、完賽後的數據解析打卡，以及面對突發狀況時的動態課表調整。

一個詞叫 Dogfooding，開發者必須親自成為重度使用者，才能驗證產品的真正價值。
過去一個多禮拜（從 8/31 至今），KAKERU 透過 Expo 裝在自己的手機裡，每天依照它生成的課表來操練。今天的文章沒有死板的壓力測試，而是要來分享這一個多禮拜的真實使用體悟，並在最後揭曉這一個月開發下來的「GCP 雲端真實帳單」！

真實體驗 1：連續打卡、嚴厲講評與「防呆守門員」

這一個多禮拜以來，我每次跑完步的第一件事，就是將手錶 APP 的完賽數據截圖上傳到 KAKERU 打卡。

在真實使用情境下，系統發揮穩定的防護機制，AI 教練的評點也讓我覺得好像有料？：

1. 專業的數據解析與嚴厲鞭策：
   原先以為 AI 給的講評會是很籠統的鼓勵，但實測發現它看數據非常仔細。例如在 9/1 的輕鬆跑中，AI 判讀了 COROS 的數據，發現我後段心率飄移、乳酸開始堆積。

2. 視覺辨識的邊界防護：
   週六的LSD，也故意上傳了一張與跑步完全無關的照片。系統並沒有崩潰，而是順利觸發了我們在開發階段寫好的防禦邏輯，小嗆了我一下後，優雅地跳出提示，請我重新上傳正確的數據截圖。

3. 流暢的等待體驗：
   得益於前幾天實作的全螢幕 isGenerating 遮罩防連點機制，以及後端 Spring Boot 針對大型 JSON
   的容錯重試。這幾天下來，無論 API 回應快慢，也能順利打卡，目前的測試還沒有出現過白畫面或狀態錯亂。

真實體驗 2：生活總有意外！AI 診療室的神救援

這是我在這週體驗中最深刻，也最能展現 KAKERU 核心價值的情境：社畜的日常總充滿變數。

9/3 (四) 那天，原本課表安排了一次訓練，但我遇到了兩個突發狀況：第一是外面下起了大雨；第二是為了晚上必須抓緊時間練習日文口說，實在排不出時間去跑步。

如果是一般的死板課表 APP，今天一旦沒跑，後面的進度就會大亂，這往往是許多跑者感到焦慮並最終放棄的原因。但這次，我打開了 KAKERU 的「診療室」，直接對著 AI 輸入現況。

1. 極高的人性化與彈性：
   Gemini 3.5 Flash Lite 瞬間消化了這個情境，不僅沒有死板地叫我硬跑，反而將 9/3 標記為「完全休息」。教練的回饋寫著：

「因下雨與日文口說練習調整為完全休息日，專注於課業與休息... 今日已完成充分靜態休息，有效促進體能> > 超量恢復！」

2. 複雜的「整週排程大洗牌」：
   到了第二週，進一步透過診療室提出：

「由於禮拜二跟四需要回家，想要改成休息，並且改成禮拜三、五練跑，禮拜日健身房練肌力。」

KAKERU 將整個週期課表解構重組，把肌力訓練精準安插在週日，並耳提面命地警告我「週六的 LSD 絕對不能偷懶降溫」，完整呈現了如真人教練般的排程邏輯。

原先的課表：

調整後的課表：

3. 歷史紀錄的完美防護：
   在這次「課表大洗牌」的過程中，也驗證了一個開發這類動態 APP 時最怕遇到的 Edge Case：當 AI 重新覆寫未來的 JSON 課表時，過去已經打卡的紀錄會不會被洗掉？我在 9/5 已經跑完的長距離慢跑 (LSD)，紀錄包含當時的實跑里程、均速等內容，都保留在畫面上。

真實體驗 3：開發一個月的代價？GCP 雲端帳單揭密

經過了無數次的測試、圖片解析、狂 Call Gemini 3.5 Flash Lite 模型，加上這近一個月來 Cloud Run 的部署與 API 實驗。身為工程師的理智瞬間上線：我的 GCP 帳單到底爆了沒？

打開 GCP Console 的 Billing（帳單）頁面，8 月份的完整帳單出爐了：整個月的總花費竟然只有 11.87 塊錢（台幣）！ (很顯然是沒有認真在測試喔？？)
更棒的是，因為我之前在 GCP 帳號內有先儲值過，系統直接從餘額裡面扣掉了！

• Gemini 3.5 Flash Lite 的性價比：整個月份測試下來，Gemini API 的原始費用有 11.87 元台幣，由於有些儲值台幣的關係，這邊直接將費用扣除。雖然最初選擇不是因為他便宜，而是因為他能夠快速的回應，但它不僅推論速度快、也能應付複雜的情境對話與視覺解析，而且對於個人專案來說，真的是一個好的嘗試。
• GCP Cloud Run：帳單上甚至沒有出現 Cloud Run 的計費項目！沒人呼叫 API 的時候伺服器會自動休眠。加上 GCP 每月高達 200 萬次的免費請求額度，後端運算成本真的是 $0。
• Artifact Registry：存放後端 Docker Image 的空間費用微乎其微，同樣沒有在這次的計費週期中產生任何負擔。

今日總結與明日預告

這一個多禮拜的 Dogfooding，算是更理解到，KAKERU 未必只是一個為了寫鐵人賽而生的展示品，而是能融入生活、解決我自己痛點的工具。它扛住了日常打卡的考驗，更展現了 AI 面對人類真實生活的彈性與溫度。
明天（Day 30），將進行整趟旅程的 Final Review！
我將回顧這套系統的架構、分享這一路從構思到全端落地的技術情況及感慨，並為這系列文章畫下一個完美的句號。我們明天，終點線見！