从 AI Studio 部署到 Cloud Run

1. 概览

如今,使用 AI 构建应用从何处着手?对于我们大多数人来说,一切都始于一个简单的问题:我能否快速为我一直在考虑的问题设计解决方案原型?这时,Google AI Studio 就派上用场了。它是一个用于快速原型设计的平台。在此 Codelab 中,您将使用氛围编程 (vibe coding) 构建一个简单的 Web 应用,并将其部署到 Cloud Run。

前提条件

  • 对 Web 应用有基本的了解。

学习内容

在此 Codelab 中,您将学习如何:

  1. 使用氛围编程在 Google AI Studio 中构建简单的 Web 应用。
  2. 测试应用是否按预期运行。
  3. 将应用部署到 Cloud Run。

要求

2. 准备工作

  1. 如果您还没有 Google 账号,则必须先创建一个 Google 账号
    • 请改用个人账号,而非工作账号或学校账号。工作账号和学校账号可能存在限制,导致您无法启用本实验所需的 API。
  2. 前往 Google AI Studio,然后查看服务条款。
  3. 请注意,由于您使用的是 Google Cloud 新手体验层级,因此可以免费部署最多两个全栈应用

欢迎使用 AI Studio

3. 原型

Google AI Studio 中,花点时间查看右上角的设置面板。您可以在此处选择模型和默认框架,并提供系统指令:

查看“设置”面板

对设置感到满意后,请描述要创建的应用,然后点击构建

Create a formal looking frontend application that has two buttons: "Snowflakes" and "Balloons".  
If the user clicks on the "Snowflakes" button, snowflakes of medium size should start falling on the screen from top to bottom for 5 seconds.  
If the user clicks on the "Balloons" button, balloons of medium size should start floating from the bottom of the screen and float to the top for 5 seconds.

输入提示

AI Studio 会根据此说明构建一个 Web 应用。生成过程需要 2-3 分钟,在此过程中,系统可能会提示您选择设计选项:

设计决策

如果您在使用该应用时遇到问题,可以输入更多提示来优化其行为(例如 Increase the size of the snowflakes to twice their current size)。

下图显示了生成的应用的快照:

完成后的应用的快照

4. 部署到 Cloud Run

现在,应用已准备就绪,请将其部署到 Cloud Run:

  1. 点击页面右上角的发布

屏幕右上角的“发布”按钮

  1. 系统随即会打开在 Google Cloud 上部署应用对话框。

“在 Google Cloud 上部署应用”向导的起始界面

  1. 点击选择 Cloud 项目下拉菜单以选择您的项目,或继续使用默认 Gemini 项目
  2. 从下拉菜单中选择项目。如果您找不到自己的项目,请点击导入项目,然后从导入项目窗格中选择项目。
  3. 如果系统提示您输入组织类型,请选择个人,然后输入您的街道地址:

结算账户明细

  1. 点击发布应用,然后等待应用部署到 Cloud Run。请注意,AI Studio 会自动生成 Cloud Run 服务名称。

应用发布步骤

  1. 部署需要几分钟时间。完成后,点击应用网址以打开已部署的 Web 应用。

应用发布步骤

5. 清理

为避免因本 Codelab 中使用的资源导致您的 Google Cloud 账号产生费用,请点击取消发布应用

应用取消发布步骤

6. 恭喜

恭喜!您已成功在 Google AI Studio 中对 Web 应用进行氛围编程,并将其部署到 Cloud Run!

AI Studio 与 Cloud Run 的集成让您可以轻松地将应用直接部署到 Google Cloud。通过使用 Cloud Run,您可以享受无服务器环境的所有优势,而无需考虑复杂的基础设施管理问题。

后续步骤

祝贺您完成本实验!现在,您的应用框架已准备就绪,您可以探索以下官方指南来扩展项目的功能:

  • 提示设计策略:了解结构化提示、使用系统指令、实现少样本示例和控制输出格式的核心原则。
  • 使用 Gemini API 进行函数调用:将部署连接到外部工具和 API,使 Gemini 模型能够输出结构化数据并触发实际应用逻辑。
  • Text-to-Speech 生成:了解如何使用 Gemini API 生成语音音频、控制语音风格,以及如何使用 Google AI Studio 中的语音库测试语音。