让 Igala 成为一流：我在 Cloud Run 上的 AI 安全作品集
Source: Dev.to
任务：为什么选择 Igala + AI 安全？
我叫 Godwin Faruna Abuh，居住在尼日利亚阿布贾，是一名 AI 安全和自然语言处理（NLP）研究员。如今，大多数 AI 安全研究都是用英文进行的，这实际上把像我的母语 Igala（约 200 万使用者）这样的低资源非洲语言当作“噪音”。
如果安全过滤器和可解释性工具对 Igala 无效，那么未来的 AI 对我们来说就不安全。本作品集展示了我们可以使用 Gemini 3 Flash 和 Google Cloud Run 为低资源语言构建生产级、符合安全对齐的系统。
注意：Qwiklabs 沙盒在截止日期后已过期。实时镜像位于 https://faruna.space。部署时应用的标签：`dev-tutorial=devnewyear2026`。
挑战部署元数据
- Project ID:
qwiklabs-gcp-00-aab206db1d7c - Region:
us-west4 - Services:
portfolio-frontend,portfolio-backend - Build Tool: Google Cloud Buildpacks (Next.js 14)
- Required Label:
dev-tutorial=devnewyear2026
评审提示： 点击 “Ask About My Work” 小部件。它是一个定制的 AI Twin，使用 Gemini 3 Flash 后端驱动，基于我的实际研究笔记和代码库数据。试着询问：
- “在 Igala 红队项目中你发现了什么？”
- “你是如何处理 NMT 数据稀缺问题的？”
技术深度剖析：我是如何构建的
前端
使用 Next.js 14 (App Router) 和 Tailwind CSS 构建。作为我七个研究项目的主要界面。
后端
在 Cloud Run 上运行的 FastAPI 服务，负责与 Gemini 3 Flash API 交互。
AI 实现
使用 Google AI Studio 为助手细化系统提示，重点关注“Zero‑Hallucination” 可靠性。
基础设施
通过 gcloud CLI 部署。采用混合方式：Cloud Run 用于经挑战验证的后端，faruna.space 用于长期持久化。
7 项目（Research Highlights）
- Igala‑English NMT – Igala 的首个公开翻译模型。
- Igala GPT from Scratch – 研究小数据集对 transformer 学习的影响。
- Red‑Teaming LLMs – 发现对 Igala 的对抗性 jailbreak 成功率比英文高 45%，因为当前安全过滤器对我们的句法“盲目”。
- Mechanistic Interpretability – 探索 mBERT 的“大脑”，了解其如何表示非洲语言结构。
- (为简洁起见，省略其他项目；完整列表请参阅作品集。)
我最自豪的
The Interactive Proof: 一个实时工具，用户可以实时查询我的研究成果，将静态简历转化为活跃的演示。
接下来是什么？
- 将 red‑teaming 仪表板扩展，以包括更多尼日利亚中部语言。
- 微调 Gemini 模型，以捕捉当前通用安全评估未覆盖的文化细微差别。
仓库
GitHub:
截图
感谢 Dev.to 与 Google AI 团队！