作品集与使用 Google AI 与 Cloud Run 汇总开发日志

Source: Dev.to

关于我

我是一名软件工程师，拥有教育和教学设计的背景。在全职从事工程工作之前，我曾多年从事教学和学习材料的设计，这塑造了我对清晰度、结构以及人们实际吸收技术信息方式的思考。

通过这个作品集，我想探索 软件工程、学习和 AI 辅助反思 的交叉点——不仅展示项目，还捕捉我随时间学习和推理系统的过程。这个作品集既是技术产物，也是学习日志，我希望有一个平台可以存放我的所有工作。

作品集

以下是我在 Google Cloud Run 上的实时作品集部署：

针对部署标签的要求，我使用了以下命令部署此服务：

--update-labels dev-tutorial=blog-devcommunity2026

构建方式

前端

• React + TypeScript
• 自定义日志模式，支持多种内容格式（章节、表格、列表、代码块）
• Review Mode UI 隐藏细节，突出高层要点

后端

• Node.js + Express，容器化后运行在 Google Cloud Run
• 自定义摘要接口，将日志内容发送给 Google Gemini 并规范化响应

Google AI

• Google Gemini (gemini-2.5-flash) 用于摘要
• 我没有假设固定的 AI 响应格式，而是构建了一个弹性的提取层，能够在 Gemini 的帮助下解释多种 JSON 结构（章节、数组、嵌套对象、表格等）。（注意：在免费层，当使用量达到上限时，请求可能返回 429（配额超限）错误。）
• 这模拟了真实场景中 AI 输出并不总是可预测的情况。

设计决策

• 将 AI 视为 助手，而非唯一真理来源。
• 当摘要无法自信生成时，系统会优雅回退。

我最自豪的地方

• AI 集成 —— 处理不一致的 AI 输出而不破坏 UI 是最困难也是最有成就感的部分。
• 以学习为先的设计 —— 作品集不仅展示结果，还记录背后的思考过程。
• 端到端所有权 —— 从前端设计到后端 API 再到 Cloud Run 部署和 CI/CD，这个项目体现了全栈所有权。
• 实用的 AI 使用 —— 与其炫目的演示，不如让 AI 功能解决真实的个人问题：复习并保留复杂的技术知识。