数字孪生：使用 Gemini 1.5 Pro 与 Cloud Run 构建 AI 优先的投资组合
发布: (2026年1月16日 GMT+8 10:23)
4 min read
原文: Dev.to
Source: Dev.to
关于我
我叫 Raghava Sammeta，是一名 AI 专家和云工程师，正在肯尼索州立大学完成计算机科学硕士学位，GPA 为 3.9。
在 新年新你作品集挑战 中，我想展示自己从 HCL 的高级软件工程师转型为专注 AI 研究员的历程。我的目标是创建一个 数字孪生——一个不仅列出我在 Python、GCP 和大语言模型（LLM）方面技能的作品集，而是通过高推理 AI 界面实际演示这些技能。
我的构建方式
我使用 Cyber‑Secure Dark Mode 风格，基于 React 19 和 Tailwind CSS 架构了此作品集。核心创新在于 Google GenAI SDK 的多模型集成：
- 高推理 RAG（Gemini 3 Pro）：Assistant Node（
ChatAgent）充当我的数字孪生。它利用检索增强生成（RAG）来回答关于我在 语义投毒 研究以及在 HCL 的职业影响的复杂问题。 - 实时市场落地（Gemini 3 Flash + Google Search）：我实现了一个动态的 Market Insights 引擎。它使用 Gemini 3 Flash 与 Google Search 落地，分析我的技术栈（GCP + LLaMA‑2）如何与 2026 年行业趋势匹配，并引用真实来源。
- 位置感知职业映射（Gemini 2.5 Flash + Google Maps）：通过浏览器地理定位和 Google Maps 落地，Career Hub 能识别肯尼索（GA）附近的技术机会和网络安全扩展，证明我的战略行业定位。
- 叙事 AI（Gemini 2.5 Flash TTS）：为让我的 语义投毒攻击 研究更易理解，我集成了一个 TTS 旁白，解码原始 PCM 音频字节，提供专业的音频摘要。
部署
该应用已容器化，并部署在 Google Cloud Run 的 us-west1 区域，使用强制标签：
--labels dev-tutorial=devnewyear2026我最自豪的部分
我最自豪的是 语义投毒可视化工具。
语义投毒是对 LLM 集成区块链系统的高级威胁——也是我研究的核心方向。与其仅仅文字描述，我构建了一个交互式动画引擎，展示攻击的四个关键阶段：
- 提示注入
- 推理腐化
- 逻辑偏转
- 区块链验证
通过将此可视化与 Gemini 2.5 Flash 图像生成相结合，招聘者只需点击按钮即可看到这些安全框架如何保护全球基础设施的电影级投射，将抽象研究转化为可感知的愿景。
技术栈
- 前端： React、TypeScript、Tailwind CSS
- AI： Google GenAI SDK（Gemini 3 Pro/Flash、Gemini 2.5 Flash）
- 后端 / 托管： Google Cloud Run
部署标签： dev-tutorial: devnewyear2026