一、 前言
在前幾天的開發中，我們陸續完成了對話、講義 PDF 解析、隨堂考測驗、重點筆记萃取以及 Code Review 程式碼審查等豐富功能，並在 Day 18 將所有模組整合為全新的多頁面平台（Multi-page App）。
然而，如果程式只能在本地電腦（localhost）執行，就無法讓同學或好友隨時隨地透過手機或筆電使用。今天，我們將透過 GitHub 與 Streamlit Community Cloud，將這套 $0-cost 的全方位 AI 學生助手正式部署至雲端！
二、 雲端部署三大核心步驟

1. 生成依賴套件清單 (requirements.txt)
   在將專案推送至雲端伺服器前，必須精準告知雲端環境專案使用了哪些 Python 套件。我們在虛擬環境中執行以下指令："pip freeze > requirements.txt "產生的 requirements.txt 會包含 streamlit、google-genai、pydantic、python-dotenv 與 pillow 等專案核心套件。
2. 版本控制與代碼託管 (GitHub Repository)
   將專案推送到 GitHub 倉庫（例如 ai-assistant-student）：
   git init
   git add .
   git commit -m "Day 19: Complete AI Student Assistant Multi-page App"
   git branch -M main
   git remote add origin https://github.com/你的帳號/ai-assistant-student.git
   git push -u origin main
3. Streamlit Community Cloud 一鍵部署與安全密鑰
   3-1.登入 Streamlit Community Cloud 並連結 GitHub 帳號。
   3-2.點擊 New app，設定以下參數：

• Repository: 你的帳號/ai-assistant-student
• Branch: main
• Main file path: app.py（我們的主控台首頁）
  3-3.進入 Advanced settings -> Secrets 區塊，注入金鑰以維護資訊安全：GEMINI_API_KEY = "你的實際Gemini_API_Key"
  3-4.點擊 Deploy!，約 1~2 分鐘後即可獲得專屬線上網址！
  
  三、 技術亮點與安全防禦總結
  1.環境變數隔離（Secrets Management）：
  透過 .gitignore 嚴格防止 .env 檔上傳至 GitHub，並改用 Streamlit Secrets 在雲端注入 API Key，確保金鑰不外洩。
  2.多模型自動 Fallback 避障：
  雲端上線後，若遇 gemini-3.6-flash 伺服器高峰（503 UNAVAILABLE），系統會自動切換至 3.5 或 3.1 備援模型。
  3.Windows 檔名與編碼全相容：
  上傳 PDF 講義時強制採用安全英文暫存檔名（temp_lecture.pdf），徹底消除各種中文檔名可能引發的轉碼錯誤。
  四、 結語
  今天我們順利將專案部署上線，擁有了一個隨手開啟瀏覽器就能使用的線上 AI 助教！