KeyFrame

Day 5 - Google AI Agents Intensive Vibe Coding Course 2026 | Production Grade Development

RK Tech Edge·6月19日週五·16 min英文

三句話摘要

Google AI Agents 五日集訓第五天:將費用審核 AI Agent 部署至 Google Cloud,並實現端對端測試與可觀測性監控。 將 AI Agent 部署至生產環境只是第一步,真正讓系統可靠運作的關鍵在於可觀測性(Logs)與端對端測試,而非僅憑本地運行正常就算完成。 付費帳號是硬性門檻:Agent-to-Agent Runtime 部署需要 Google Cloud 訂閱帳號,一般免費帳號無法執行,講者借用朋友帳號完成示範。

重點整理

重點
  • 1

    付費帳號是硬性門檻:Agent-to-Agent Runtime 部署需要 Google Cloud 訂閱帳號,一般免費帳號無法執行,講者借用朋友帳號完成示範。

  • 2

    Spec-Driven 開發流程貫穿全程:AI Agent 根據規格(Spec)自動生成應用、實作、測試、發現問題後自動修正再重新發布,展示了規格驅動開發的完整閉環。

  • 3

    模型選擇影響資源消耗:Opus 能力優於 Sonnet,但消耗 credit 更快;在資源有限情況下,講者改用 Sonnet 以維持課程進行。

  • 4

    Observability 是生產環境的核心能力:透過 Logs 可追蹤每一筆請求的處理時間、JSON 輸入輸出與回應內容,是偵測效能問題與除錯的關鍵工具。

實用技巧與重點

乾貨
  • 平台:Kaggle、Google Cloud、Agent CLI、ADK(Agent Development Kit)
  • 模型:Claude Opus、Claude Sonnet(Sonnet 消耗 credit 較少)
  • 服務:Cloud Run、PubSub(訂閱主題)、Agent Runtime Engine
  • 費用審核邏輯:費用 ≤ $100 → AutoApprove;費用 > $100 → 等待主管審批
  • 三個測試情境:$50(自動批准)、$250(主管審批)、$1億(拒絕)
  • 工具:SessionService(管理會話狀態)、TerminalBasicService、Playground 介面
  • 前端生成物:首頁 HTML、Python 後端檔案、路由關係設定
  • 課程第一至五天參與人數趨勢:第一天 3542 → 第二天 1400 → 第三天 800 → 第四天 439(逐日遞減)
  • 清除資源步驟:刪除 Cloud Run 服務、Expense Manager Dashboard、PubSub 訂閱主題

結論

結論

將 AI Agent 部署至生產環境只是第一步,真正讓系統可靠運作的關鍵在於可觀測性(Logs)與端對端測試,而非僅憑本地運行正常就算完成。

完整解析

詳細

這是 Google AI Agents Intensive Web Coding 2026 課程的第五天,也是最終日。課程核心主題是將 AI Agent 從本地開發環境推進到真實的生產部署,並學習如何透過可觀測性工具監控與管理運作中的系統。講者說明,這套部署流程需要 Google Cloud 的付費訂閱帳號,由於自己沒有,特地借用朋友的帳號完成示範,整個認證過程甚至需要即時撥打電話確認,顯示帳號門檻是這門課程的實際挑戰之一。

課程延續第四天建立的「費用審核 Agent」場景:當費用低於 $100 時系統自動批准,超過 $100 則需要等待主管人工審核。在這個基礎上,第五天的任務是將該 Agent 部署至 Google Cloud 的 Agent Runtime,並在其上建立一個前端 Web 應用程式,讓使用者能透過介面提交費用請求、查看審核狀態,主管也能進行批准或拒絕操作。講者採用 Spec-Driven 開發方式——由 AI 根據規格自動生成頁面、Python 後端與路由設定,過程中發現錯誤後自動修正並重新部署,完整呈現了 AI 輔助開發的閉環流程。

在模型選擇上,講者原本嘗試使用 Claude Opus(能力更強),但因 credit 消耗過快,剩餘不足 1%,最終改用 Claude Sonnet 繼續執行,這個細節清楚說明了在資源受限的實際環境中,模型選型必須考量成本與效益的平衡。部署完成後,講者執行了三個端對端測試情境:$50 費用被自動批准、$250 費用進入主管審批流程(並實際在介面上點擊批准)、$1 億費用則被拒絕,三種情境均通過驗證。

最後,講者展示了 Observability 的核心價值:透過 Google Cloud 的 Logs 介面,可以查看每一筆 Agent 請求的處理時間、傳入的 JSON 字串、系統回應內容與請求圖形,這對於生產環境中偵測效能瓶頸與除錯至關重要。課程結束前,講者依照清潔活動步驟刪除所有建立的 Google Cloud 資源,包含 Cloud Run 服務、Expense Manager Dashboard 與 PubSub 訂閱主題,確保不產生額外費用。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Claude Cowork vs Codex: 誰才是更好的AI工作助手?
16 min
AI 技術中文6月20日

Claude Cowork vs Codex: 誰才是更好的AI工作助手?

李厂长来了

  • 介面設計哲學不同:Codework 以標籤頁區分聊天、文書與程式碼三種模式,任務彼此隔離不混淆;Codex 則將所有功能整合在單一介面,減少切換成本,但頁面相對雜亂。
  • 第三方整合能力差距明顯:Codework 提供大量連接器並支援 Zapier 擴展,且可針對每個連接器精細設定讀寫權限(如 Gmail 只讀免確認、寫信需批准);Codex 的插件數量較少且缺乏同等級的權限控制機制。
  • 定時任務管理方式影響長期使用體驗:Codework 將同一自動化任務的歷史記錄歸類在同一條目下,便於追蹤;Codex 每次執行都獨立列出,隨任務增多左側欄會越來越臃腫,不利於長期管理。
我贏得 NVIDIA GTC Taipei 2026 的金票啦!這 4 天展期會有什麼不一樣的體驗呢? | Computex 2026
編輯精選
28 min
AI 技術中文6月20日

我贏得 NVIDIA GTC Taipei 2026 的金票啦!這 4 天展期會有什麼不一樣的體驗呢? | Computex 2026

EngineerGary

  • Tokenomics 重新定義 AI 工廠價值:黃仁勛將所有輸出重新框架為 Token = Revenue,傳統工廠生產實體商品,AI 工廠改為生產 Token;對製造端而言,目標是以最低成本產生最多 Token,實現每投入 1 元帶回 3–5 元回報的商業邏輯。
  • 開源策略是市場放大器而非讓利:NVIDIA 釋出 Cosmos 3、Apomile 3 等開源模型,以及通用人型機器人,目的是降低新創進入自動駕駛、World Model、Physical AI 的門檻,擴大整體生態系規模,最終帶動更多算力與服務需求(「The more you buy, the more you earn」)。
  • Deal to Delivery Agent 解決中小企業流程瓶頸:Gary 團隊識別出企業收到客戶需求後,需跨工具手動完成報價、開票、GitHub issue、通知等重複性操作是最大效率殺手;Agent 自動拆解商機、建立 ERP 記錄並推送 Telegram 通知,人類只需在 Draft 狀態下做最終 Review 確認。
黃仁勳親自欽點⁉️執笠手機公司 BlackBerry 變身 AI 機械人主系統🤖下一個大浪提前準備
編輯精選
30 min
AI 技術中文6月20日

黃仁勳親自欽點⁉️執笠手機公司 BlackBerry 變身 AI 機械人主系統🤖下一個大浪提前準備

Coco哥

  • QNX 擁有機器人 OS 三大不可替代技術門檻
  • Windows 響應延遲 200 毫秒,Linux 一旦核心崩潰全部失效,而 QNX 具備毫秒級即時決策、ISO 26262 ASIL-D 與 IEC 61508 SIL-3 最高安全認證,以及微型內核獨立架構(單一模組崩潰不影響其餘系統),三項條件同時達標,現階段競爭對手均未能複製。
  • 40 年護城河非短期可追趕