#Study Jam
找到 67 篇文章
Gemini＋Imagen 圖片應用：生成只是中間一步
從意圖、素材權利與安全政策，到圖片模型選擇、非同步生成、人工審核與資產治理，設計真正能上線的圖片應用
Gemini Cloud Assist 給 DevOps：先穩定，再找根因
用安全交付閘門、漸進發布與共同事件時間線，把 Gemini 的建議變成可查證、可回滾的 DevOps 與 SRE 行動
SCC Finding 分流：先查證，再讓 Gemini 幫忙
把 Security Command Center Finding、攻擊暴露、IAM 路徑與稽核日誌串成可查證的風險脈絡，再安全地縮權與修復
Gemini Cloud Assist 網路除錯：先畫封包路徑
用五元組、DNS、路由、防火牆、NAT、Connectivity Tests 與服務健康度逐跳蒐證，再讓 Gemini 協助整理根因與最小修復
Gemini Cloud Assist 給架構師：先提方案，再找證據
用需求、限制和環境證據讓 Gemini Cloud Assist 提出候選架構，再透過文件、Quota、價格、IaC 與 ADR 完成決策
Gemini Code Assist 組織導入：先管授權與資料
釐清 Billing Account、License、Project、IAM、Logging 與 Code customization 的邊界，分階段把 AI 輔助開發帶進團隊
Gemini Code Assist 上手：先把 AI 建議當成 Patch
從 IDE 上下文、行內補全與 Chat，到 Diff 審查、測試、安全掃描和來源檢查，建立能放心合併的 AI 輔助開發流程
AI Agent 安全：別只叫模型「不要洩密」
從 Prompt Injection、工具越權與資料外洩，到 Model Armor、IAM、VPC Service Controls 和人工核准的分層防禦
Agent Platform（原 Vertex AI）模型評估：不要讓平均分數決定上線
把離線切片、Gen AI 評估、Model Registry、線上實驗、護欄與回滾串成能真正擋住退化模型的發布流程
Data Store Agent：FAQ 準不準，先看資料
從資料來源、版控、ACL、解析與切片到引用驗證，整理一套能持續維護的企業知識問答上線流程
Generative Playbooks：該用 Flow 還是 Playbook？
從目標、指令、範例、參數到工具護欄，判斷客服流程何時該用 Playbook、何時應留在確定性的 Flow
企業資料庫 AI Agent：NL2SQL 不等於直接執行
從 QueryData、Schema 語意層到唯讀 View、查詢驗證與人工核准，讓 Agent 能問企業資料，又不繞過既有資料權限
Agent Assist 與 GenAI：讓客服建議來得及又可信
從即時轉錄、知識檢索、客服審核到通話後摘要，建立有引用、守權限、能量測延遲與品質的 Agent Assist 流程
部署多代理系統：先確認真的需要拆
用 ADK 設計循序、平行與動態委派流程，建立可驗收的交接契約、狀態邊界與故障隔離，再部署到 Agent Runtime（原 Agent Engine）
Gemini Enterprise 入門：從 Agentspace 到企業代理入口
釐清 Gemini Enterprise app 與 Gemini Enterprise Agent Platform 的定位，從身分、連接器、同步、ACL 到引用驗證，安全接上企業資料
Agent Development Kit：從工具呼叫到可部署 Agent
用 ADK 把模型、工具、Session 與 Runner 組成可測試的 Agent，並補齊權限、錯誤處理、評估與部署前檢查
GenAI 的 MLOps 實踐
把模型、Prompt、檢索、工具與評估案例綁成可重現版本，透過發布閘門、漸進上線、監控與回滾維運 GenAI 應用
負責任 AI：隱私與安全
沿著資料生命週期做好最小化、去識別、權限與輸入輸出防護，並釐清差分隱私、聯邦學習與 Google Cloud 安全工具的邊界
Agent Studio（原 Vertex AI Studio）入門
釐清 Agent Studio 與舊名 Vertex AI Studio 的關係，從 Prompt 實驗、模型選擇、Grounding 與安全設定走到可重現的開發流程
圖片說明生成模型
理解圖片說明生成的技術原理、視覺 Encoder 與語言 Decoder 如何協作，並學會依需求選擇 Cloud Vision、Gemini 或專用模型
Transformer 與 BERT 模型
拆解 Transformer 的共同積木，理解 BERT 的雙向編碼器與原始預訓練方法，並比較常見架構適合的任務
Gemini + Streamlit 開發 GenAI App
用 Streamlit 接上 Gemini 做原型很快，但多人使用時要補什麼？從本機實驗一路看到 Cloud Run 部署。
Agent Platform（原 Vertex AI）+ Flutter 打造 AI Agent
把 AI 功能放進 Flutter App，哪些事能在手機上做、哪些要交給後端？從權限、弱網路和資料流看架構。
Gemini 貫穿軟體開發生命週期
從整理需求到排查錯誤，Gemini 可以在哪些開發環節幫忙？每一步又該由誰驗證？
向量搜尋與嵌入技術
把文字轉成向量，搜尋就會變準嗎？從 Embedding、索引到評估，看看語義搜尋真正要調哪些地方。
圖片生成技術導論
認識圖片生成的核心技術原理，從 GAN 到 Diffusion Model，理解 Google Imagen 的架構與應用場景
Google Cloud AI/ML 工具怎麼選
現成 API、AutoML、自訂模型該選哪個？從資料、控制需求和維運能力整理 Google Cloud 的工具。
GenAI Agent 轉型組織
了解 AI Agent 的概念與架構，認識 Gemini Enterprise Agent Platform 的 Agent 開發工具（原 Vertex AI Agent Builder），並評估組織導入 Agent 的流程與風險
GenAI 從輸入到回答：幾個基本概念
文字送進模型後發生什麼事？從 Token、Embedding 到推論，沿著資料流認識生成式 AI。
Agent Platform（原 Vertex AI）Prompt 設計
同一個任務，提示寫法一換結果就不同。用 Zero-shot、Few-shot 和輸出格式練習把需求說清楚。
Gemini 提升 BigQuery 生產力
寫 SQL、看執行計畫、補欄位說明，哪些工作能請 Gemini 幫忙？整理 BigQuery 裡實用的用法和檢查點。
在 BigQuery 中使用 Gemini 模型
一整欄文字要分類或摘要，能直接在 BigQuery 裡做嗎？用 AI.GENERATE_TEXT 批次呼叫 Gemini。
BigQuery ML 推論實戰
模型訓練好之後，怎麼對新資料做預測？比較 BigQuery ML 原生模型、匯入模型與遠端模型的用法。
Gemini 輔助數據分析
讓 Gemini 幫忙起草 SQL 和圖表後，分析師還要檢查什麼？以 BigQuery 和 Looker 的工作流程為例。
AppSheet 低程式碼應用開發
手上有一張試算表，想做成同事能填寫的 App？從 AppSheet 的資料、表單到權限一步步設定。
Gemini API 搭配 Agent Platform（原 Vertex AI）探索 GenAI
想把 Gemini 接進自己的程式？先用圖形介面試提示，再看 API 怎麼處理文字與圖片。
Agent Platform（原 Vertex AI）機器學習解決方案
現成 API 和 BigQuery ML 不夠用時，模型要怎麼訓練、部署和追蹤？從 Agent Platform 的幾條路徑開始看。
BigQuery ML 建模實戰
資料已經在 BigQuery，能不能直接用 SQL 做預測？從建模、評估到預測，試一次 BigQuery ML。
基礎 Data、ML 與 AI 任務
資料進來後怎麼處理、查詢，語音又怎麼轉文字？用 BigQuery、Dataflow 和 Speech-to-Text 走過基本流程。
使用 Google Cloud ML API
想辨識圖片、分析文字或翻譯內容，不一定要自己訓練模型。用三種現成 API 試試看。
BigQuery 搭配 Connected Sheets 分析
資料在 BigQuery，同事卻習慣用試算表？看看 Connected Sheets 怎麼讓他們用熟悉的介面分析資料。
Cloud SQL for PostgreSQL 管理實作
把 PostgreSQL 搬上 Google Cloud 後，連線、備份和故障切換該怎麼顧？從建立 Cloud SQL 實例開始實作。
部署應用到 Kubernetes
容器有了，怎麼讓它在 GKE 上穩定提供服務？從叢集、Deployment、Service 到更新與回滾走一次。
Firebase 無伺服器應用開發
用 Firebase 做應用時，登入、資料存取和後端處理怎麼接？從 Auth、Firestore 到 Functions 一起看。
Cloud Run functions 三種實作
要收到 HTTP 請求、檔案事件或 Pub/Sub 訊息時，怎麼讓函式接手？用三個範例看懂觸發方式。
App Engine 三種部署方式
App Engine 的 Standard 和 Flexible 差在哪？從直接部署、版本分流到 Cloud Build，自然接上發布流程。
在 GCP 上建立網站
網站只有靜態檔案，還是需要後端程式？比較 Cloud Storage、Cloud Run 和 Firebase Hosting 各自適合的情況。
設定 App 開發環境
上傳檔案後，怎麼讓程式自動接著處理？用 Cloud Storage、Pub/Sub 和 Cloud Run functions 串起一條事件流程。
建立與管理雲端資源
在 Cloud Shell 下指令前，先認清帳號、專案和權限。這篇從資源階層談起，帶你建立並檢查雲端資源。
GCP 運算服務基礎
不知道該開 VM、部署容器，還是直接交給平台？從 Compute Engine、App Engine 和 Cloud Run 的分工開始看起。