(限額48人，人數超過開放旁聽)

Part 1：理論篇 - AI Agent 雙向串流技術解析

內容要點：

1.  傳統 Request-Response 模式 vs. Bidi-Streaming 模式
2.  為什麼需要即時 AI 互動？

• 事件驅動的故障診斷
• 即時日誌分析與警報
• 自動化運維助手

3. ADK 框架層的關鍵組件 (LiveRequestQueue, Runner.run_live)

4. Gemini Live API 的 WebSocket 核心

5. 主動性和情感對話功能設計

Part 2：Lab 實作篇 - 打造你的第一個 串流 AI Agent

內容要點：

• 專案架構設計與安裝 (採用 agent-starter-pack 模板)
• 架構設計說明
• 環境設定與依賴安裝
• 完整實作 Bidi-Streaming 的 FastAPI 服務
• 在 Local 端運行第一個 Bidi-Streaming 程式
• 測試與驗證串流功能
• 進階功能實作：
• 編寫 Dockerfile 以容器化 FastAPI 應用
• CICD 整合：使用 Cloud Build 自動化測試與部署
• 將應用程式部署到 Cloud Run
• 實現日誌監控
• 驗證生產環境中的 AI Agent 功能

Part 3: 結論與 Q&A

內容要點：

• 總結 Bidi-Streaming 在 AI DevOps 的應用潛力
• 未來展望：更複雜的工作流與多代理協作
• 開放提問

聽眾收穫：

核心技能與實戰能力

1. 掌握 Bidi-Streaming 核心技術：

• 您將能清楚說明傳統 Request-Response 與 Bidi-Streaming 模式的根本差異，並理解後者在 AI 互動場景中的絕對優勢。
• 透過對 ADK 框架與 Gemini Live API 的解析，您將學會如何設計與實現真正即時、雙向溝通的 AI Agent。

2. 從零到一打造並部署串流 AI Agent：

• 跟隨 Lab 實作，您將能使用 FastAPI 從頭開始，親手打造一個功能完整的 Bidi-Streaming AI Agent。
• 您將學會如何使用 Docker 將應用程式容器化，並利用 Cloud Build 建立一套完整的 CI/CD 自動化流程，實現從程式碼提交到正式部署的全自動化。
• 您將獲得將 AI 應用部署到 Cloud Run 的實戰經驗，並學會在生產環境中驗證其功能與監控日誌。

觀念革新與架構思維

1. 將 AI Agent 融入 DevOps 生命週期：

• 您將理解 AI Agent 如何在事件驅動的故障診斷、即時日誌分析與自動化運維等 DevOps 關鍵環節中發揮作用。
• 您將能夠在團隊的 DevOps 工具鏈中，為 AI Agent 找到最適合的定位，並設計出能夠與現有系統無縫整合的架構。

2. 展望未來 AI 驅動的 DevOps：

• 您將對 AI Agent 在 DevOps 領域的未來發展趨勢有更深刻的洞察，包括更複雜的工作流設計以及多代理協作的可能性。
• 這將啟發您思考如何利用這些先進技術，解決團隊目前面臨的挑戰，並規劃未來的技術演進路線。

1. 自備電腦(Mac尤佳)
2. VSCode IDE 安裝
3. 事先申請 Gemini API Key