iT邦幫忙

gemini相關文章
共有 141 則文章
鐵人賽 Build on Google AI DAY 15

技術 【Day 23】效能與成本優化:Gemini API Token 消耗分析與 Rate Limit 應對實務

「在 AI Agent 的生產級運維中,Token 消耗不只是金錢成本,更直接影響 API 的 Rate Limit 額度與整體回應延遲。透過階段性 Conte...

鐵人賽 Build on Google AI DAY 15

技術 【Day 22】離線評測體系:如何為 LLM 金融 Agent 建立客觀的 Evaluation 指標

「在 AI Agent 的工程週期中,『沒有量測,就無法改善』。要確保每一次 Prompt 調整或 API 重構不會造成性能退化,必須在腳本內部實作決定性的格式...

鐵人賽 Build on Google AI DAY 15

技術 【Day 21】實戰資安防禦:從 Prompt 注入防禦到環境金鑰隔離實務

「在 LLM Agent 走向 Production 的過程中,資安防禦不能只寄望於模型本身的『自我約束』。最穩健的 Defense-in-Depth,必須結合...

鐵人賽 Build on Google AI DAY 17

技術 Day 17 | 前後端串接:透過 Axios 呼叫 Cloud Run,並用 AI 跨端排查 Guardrail 障礙

前言:雙A連線,讓手機 APP 與雲端 API 連線 經過前面的努力,目前手機 APP (React Native + Expo) 已經建立好跑者的個人設定與課...

鐵人賽 Build on Google AI DAY 1
使用gemini 準備 az-900 系列 第 1

技術 使用gemini 準備 az-900 DAY 1

🏰 Azure 雲端架構師 RPG 實戰模擬器|30 天完整版 前言 筆者規劃在一月之內考取微軟 Azure Fundamentals (AZ-900) 認證。...

鐵人賽 Build on Google AI DAY 15

技術 【Day 20】部署架構重構:Podman 到 Native systemd 服務託管實務

「從 AI Prototype 邁向 Production-Ready 的過程中,服務 Lifecycle 與資源邊界的治理至關重要。將 FastAPI 服務從...

鐵人賽 Build on Google AI DAY 15

技術 【Day 19】數據追蹤與自動覆盤:Google Sheets 紀錄整合與 AI 方向預判紀錄

「一個完整的生產級 AI Agent,不能只管把報告推播出去,更必須將每日產出的市場數據、AI 預判方向與推播狀態進行持久化追蹤,為後續的勝率統計與離線 Eva...

鐵人賽 Build on Google AI DAY 15

技術 【Day 18】推播優化:Telegram 訊息 UTF-8 Byte-Safe 精確切分演算法

「在對接第三方 Bot API(如 Telegram)時,單純使用 Python 的 len(string) 計算字數是非常危險的。面對 Emoji、中英日混排...

鐵人賽 Build on Google AI DAY 15

技術 【Day 17】後處理防線:Post-processing 程式碼強制規則與 9 組禁止詞處理

「在 AI 工程中,僅靠模型自律並不足以百分之百防堵 LLM 脫口說出不當用語或龐大數字。最穩健的生產級架構,是在程式碼層級與 Prompt 約束中加入硬性規則...

鐵人賽 Build on Google AI DAY 15

技術 【Day 16】分析品質提升:Core Execution Rules 與金額兆/億元前處理格式化

「要防止 LLM 在金融分析中產生 Hallucination 或輸出不方便讀的龐大數字,最佳實踐是在 Prompt 中注入硬性執行規則,並在送入模型前先進行程...

鐵人賽 Build on Google AI DAY 15

技術 【Day 15】核心管道重構:三階段分析管道(Stage 1-3 Pipeline)設計與實作 (daily_analysis.py)

「要讓 LLM 產出的金融分析報告具備高度專業性與邏輯一致性,不能寄望於單一 Prompt,而是要將分析流程拆解為具備強約束力的三階段資料管道(Stage 1-...

鐵人賽 Build on Google AI DAY 14

技術 【Day 14】自動化部署管線:deploy.sh 腳本實作與 CI/CD 流程整合

「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...

鐵人賽 Build on Google AI DAY 13

技術 【Day 13】容器化與服務化:Podman Containerfile 撰寫與 Systemd 託管 (angelina.service)

「在 RHEL 企業級 Linux 環境中,使用 Podman 進行無 Root (Rootless) 容器化,並透過 Systemd 實現開機自啟與服務自癒,...

鐵人賽 Build on Google AI DAY 12

技術 【Day 12】系統全監控:/health 與 /stats API 實作與 Ansible 巡檢整合

「一個真正符合 Production Ready 標準的自建 AI Agent,除了具備完善的業務邏輯,更需要具備可視化的系統健康指標與自動化巡檢能力。」 在...

鐵人賽 Build on Google AI DAY 10

技術 【Day 10】數據追蹤與績效評估:Google Sheets 數據寫入與預測準確率追蹤 (sheets_tracker.py)

「沒有數據記錄的分析只是猜測,能將每一次 AI 預測落盤並進行長效覆盤與準確率追蹤,才能打造真正具備商業價值的金融 Agent。」 在 Day 09 中,我們介...

鐵人賽 Build on Google AI DAY 9

技術 【Day 09】每日自動化盤後分析:TWSE/美股數據爬取、Gemini 分析與 Telegram 機器人推播 (daily_analysis.py)

「資料管線的終極價值,在於將散落各處的市場數據進行自動化聚合、透過 AI 進行深度解讀,並在第一時間精準推送至維運者的終端。」 在 Day 08 中,我們探討了...

鐵人賽 Build on Google AI DAY 8

技術 【Day 08】知識管線自動化:Google Drive 檔案同步與 /learn 指令排程注入 (drive_sync.py)

「一個真正實用的 AI Agent,不該被動等待使用者手動貼入資料,而要能主動對接雲端儲存,實現知識庫的自動化增量同步。」 在先前幾天,我們完成了 AI Age...

鐵人賽 Build on Google AI DAY 7

技術 【Day 07】非同步背景學習:LearningModule 自動提煉金融知識與向量庫去重

「最好的 AI Agent 不是固定不變的系統,而是在每一次與使用者的對話中,自動汲取經驗並寫回知識庫、自我進化的系統。」 在 Day 06 中,我們介紹了 S...

鐵人賽 Build on Google AI DAY 7

技術 Day 07 如果把記憶體當股票買,為什麼 AI 一直在談 VRAM呢?

我有多年 IT 技術與跨域學習經驗,現在把 AI、Cloud、Infrastructure 串起來。 為什麼 AI 一直在談 VRAM呢? 開始研究 AI In...

鐵人賽 Build on Google AI DAY 5

技術 【Day 05】知識檢索增強:ChromaDB 與 sentence-transformers 打造本地端 RAG 引擎

「大語言模型給的是一般性常識,而 RAG 檢索增強技術給的,才是讓 AI Agent 具備特定金融領域深度的靈魂。」 在 Day 04 中,我們介紹了 API...

鐵人賽 Build on Google AI DAY 4

技術 【Day 04】AI 推理核心:Gemini 2.5 Flash API 整合與 Model Fallback 自動降級備援機制

「在免費 API 與生產級維運之間,強健的 API Gateway 與 Model Fallback 自動降級是能讓 AI Agent 穩定運作的橋樑。」 在先...

鐵人賽 Build on Google AI DAY 2

技術 【Day 02】打造穩固基石:RHEL 基礎環境設定與 Rootless Podman 容器安全隔離

「系統安全不是在出事後才補強,而是從最底層的基礎設施就開始設計!」 在 Day 01 中,我們揭曉了 Angelina AI Agent 的全貌。今天我們不急著...

鐵人賽 Build on Google AI DAY 1

技術 打造 $0 元企業級 AI Agent:Angelina 金融分析代理人篇章

「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...

鐵人賽 自我挑戰組 DAY 1

技術 Day 1|系列開場:為什麼談企業 AI 安全防線要從 GCP Security 談起

Day 1|系列開場:為什麼談企業 AI 安全防線要從 GCP Security 談起 一個被問爛、卻問錯方向的問題 過去一年,只要跟企業客戶聊 AI 安全,十...

技術 使用 Antigravity CLI 建置 Firebase AI Logic 應用程式

注意: 本專案已提供 Google Cloud 額度。 在這篇部落格文章中,我將示範如何使用 Antigravity CLI(這是一個透過技能 (skills)...

技術 在 Angular 中使用相依性注入 (Dependency Injection) 遷移至 Firebase Server Prompt Templates

Firebase 推出了伺服器端提示詞範本(Server Prompt Templates),以在其基礎設施中代管提示詞範本。此範本遵循 DotPrompt 格...

技術 Gemini Flash 系列怎麼選?3.5、3、2.5 實測對比

Gemini Flash 系列怎麼選?3.5、3、2.5 實測對比 Google 的 Flash 系列模型承諾同一件事:在保持品質的前提下,降低延遲和成本。 但...

技術 建立富有情感與節奏的動態音訊:Gemini 3.1 Flash TTS、Angular 與 Firebase 雲端函式

Google 在 Gemini API、Vertex AI 中的 Gemini 以及 Gemini AI Studio 中發佈了用於 AI 音訊產生的 Gemi...

技術 使用 Angular、Veo 3.1 Lite、Firebase Cloud Functions 和 Firebase Cloud Storage 擴展影片

Google 在 Gemini API、Gemini in Vertex AI 以及 Gemini AI Studio 中發佈了用於 AI 影片生成的 Veo...

技術 停止浪費 Token:使用 Google ADK 構建具決定性的自定義 Agent

在 AI 協調(orchestration)的世界中,人們很容易傾向在工作流程的每個步驟都使用大型語言模型(LLM)。然而,隨著應用程式規模的擴大,「LLM 優...