此页面由 Cloud Translation API 翻译。

自动将 Genkit Web 应用中的生成式 AI Go 从版本控制系统部署到 Cloud Run

1. 概览

首次部署 Web 应用可能会令人望而生畏。即使在首次部署后，如果该流程过于繁琐，您也可能会避免部署应用的新版本。借助持续部署，您可以轻松自动部署应用更改。

在本实验中，您将编写一个 Web 应用，并配置 Cloud Run，以便在应用的源代码发生更改时自动部署应用。然后，您修改应用并再次部署。

学习内容

使用 Cloud Shell 编辑器编写 Web 应用
将应用代码存储在 GitHub 中
自动将应用部署到 Cloud Run

使用 Genkit 将生成式 AI 添加到您的应用中
使用 dotprompt 库管理 LLM 提示

2. 前提条件

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。
如果您还没有 GitHub 账号，则必须创建 GitHub 账号
- 使用已有的 GitHub 账号（如果有）。GitHub 更容易将新账号视为垃圾账号加以屏蔽。
- 在 GitHub 账号中配置双重身份验证，以降低账号被标记为垃圾账号的几率。

3. 项目设置

登录 Google Cloud 控制台。
在 Cloud 控制台中启用结算功能。
- 完成本实验的 Cloud 资源费用应不到 1 美元。
- 您可以按照本实验结束时的步骤删除资源，以避免产生更多费用。
- 新用户符合参与 300 美元免费试用计划的条件。
- 要参加 Gen AI for Devs 活动？您或许可以获得 1 美元抵用金。
创建新项目或选择重复使用现有项目。
确认 Cloud 结算中的我的项目已启用结算功能
- 如果新项目的 Billing account 列中显示 Billing is disabled，请执行以下操作：
  1. 点击 Actions 列中的三点状图标
  2. 点击更改结算信息
  3. 选择您要使用的结算账号
- 如果您参加的是 Gen AI for Devs 活动，则该账号的名称很可能是 Google Cloud Platform 试用结算账号

4. 打开 Cloud Shell Editor

前往 Cloud Shell 编辑器
如果终端未显示在屏幕底部，请打开它：
- 点击汉堡式菜单
- 点击终端
- 点击 New Terminal
在终端中，使用以下命令设置项目：
- 格式：
```
gcloud config set project [PROJECT_ID]
```
- 示例：
```
gcloud config set project lab-project-id-example
```
- 如果您不记得项目 ID，请执行以下操作：
  - 您可以使用以下命令列出所有项目 ID：
```
gcloud projects list | awk '/PROJECT_ID/{print $2}'
```
如果系统提示您进行授权，请点击授权以继续。
您应会看到以下消息：
```
Updated property [core/project].
```
如果您看到 WARNING 并被问到 Do you want to continue (Y/N)?，则很可能是您输入的项目 ID 有误。按 N，按 Enter，然后尝试再次运行 gcloud config set project 命令。

5. 启用 API

在终端中，启用以下 API：

gcloud services enable \
  run.googleapis.com \
  cloudbuild.googleapis.com \
  aiplatform.googleapis.com

此命令可能需要几分钟时间才能完成，但最终应会生成类似如下所示的成功消息：

Operation "operations/acf.p2-73d90d00-47ee-447a-b600" finished successfully.

6. 配置 Git

设置全局 git 用户电子邮件地址：

git config --global user.email "you@example.com"

设置全局 git 用户名：

git config --global user.name "Your Name"

将全局 Git 默认分支设置为 main：

git config --global init.defaultBranch main

7. 编写代码

如需使用 Go 编写应用，请执行以下操作：

导航到主目录：
```
cd ~
```
创建 codelab-genai 目录：
```
mkdir codelab-genai
```
导航到 codelab-genai 目录：
```
cd codelab-genai
```
初始化 go.mod 文件以声明我们的模块：
```
go mod init codelab-genai
```
创建 main.go 文件：
```
touch main.go
```
在 Cloud Shell 编辑器中打开 main.go 文件：
```
cloudshell edit main.go
```
屏幕顶部现在应会显示一个空文件。您可以在此处修改此 main.go 文件。

修改 main.go 并将以下代码粘贴到其中：

package main

import (
    "fmt"
    "log"
    "net/http"
    "os"
)

func main() {
    http.HandleFunc("/", func(w http.ResponseWriter, r *http.Request) {
        fmt.Fprintln(w, "Hello, world!")
    })

    port := os.Getenv("PORT")

    if port == "" {
        port = "8080"
    }
    if err := http.ListenAndServe(":"+port, nil); err != nil {
        log.Fatal(err)
    }
}

几秒钟后，Cloud Shell 编辑器会自动保存您的代码。此代码使用我们的“Hello world!”问候语响应 HTTP 请求。

应用的初始代码已完成，可以存储在版本控制系统中。

8. 创建代码库

返回到屏幕底部的 Cloud Shell 终端。
确保您仍位于正确的目录中：
```
cd ~/codelab-genai
```
初始化 Git 代码库
```
git init -b main
```
登录 GitHub CLI
```
gh auth login
```
按 Enter 接受默认选项，然后按照 GitHub CLI 工具中的说明操作，包括：
1. 您要登录哪个账号？ GitHub.com
2. 您希望在此主机上使用哪种协议进行 Git 操作？ HTTPS
3. 是否使用您的 GitHub 凭据对 Git 进行身份验证？Y（如果未显示此选项，请跳过。）
4. 您想如何对 GitHub CLI 进行身份验证？ Login with a web browser
5. 复制一次性验证码
6. 打开 https://github.com/login/device
7. 粘贴一次性验证码
8. 点击 Authorize github
9. 完成登录
确认您已登录：
```
gh api user -q ".login"
```
如果您已成功登录，此命令应会输出您的 GitHub 用户名。

创建 GITHUB_USERNAME 变量

GITHUB_USERNAME=$(gh api user -q ".login")

确认您已创建环境变量：
```
echo ${GITHUB_USERNAME}
```
如果您已成功创建该变量，此命令应会输出您的 GitHub 用户名。
创建一个名为 codelab-genai 的空 GitHub 代码库：
```
gh repo create codelab-genai --private
```
如果您收到以下错误：
```
GraphQL: Name already exists on this account (createRepository)
```
那么您已经有一个名为 codelab-genai 的代码库。您可以通过以下两种方式继续学习本教程：
- 删除现有的 GitHub 代码库
- 创建具有其他名称的代码库，并记得在以下命令中更改该名称。

将 codelab-genai 代码库添加为远程代码库 origin：

git remote add origin https://github.com/${GITHUB_USERNAME}/codelab-genai

9. 分享您的代码

确认您位于正确的目录中：
```
cd ~/codelab-genai
```
将当前目录中的所有文件添加到相应提交中：
```
git add .
```
创建第一个提交：
```
git commit -m "add http server"
```
将提交推送到 origin 代码库的 main 分支：
```
git push -u origin main
```

您可以运行此命令，然后访问生成的网址，以在 GitHub 上查看您的应用代码：

echo -e "\n\nTo see your code, visit this URL:\n \
    https://github.com/${GITHUB_USERNAME}/codelab-genai/blob/main/main.go \n\n"

10. 设置自动部署

将 Cloud Shell 编辑器标签页保持打开状态。我们稍后会返回此标签页。
在新标签页中，访问 Cloud Run 页面
在控制台中选择正确的 Google Cloud 项目
点击 CONNECT REPO
点击使用 Cloud Build 进行设置
1. 选择 GitHub 作为代码库提供程序
  - 如果您尚未在浏览器中登录 GitHub 账号，请使用您的凭据登录。
2. 点击验证，然后点击继续。
3. 登录后，您会在 Cloud Run 页面上看到一条消息，指出未针对您的任何代码库安装 GitHub 应用。
4. 点击安装 Google Cloud Build 按钮。
  - 在“安装设置”页面上，选择仅选择代码库，然后选择您通过 CLI 创建的 codelab-genai 代码库。
  - 点击安装
  - 注意：如果您有大量 GitHub 代码库，则可能需要几分钟才能加载完成。
5. 选择 your-user-name/codelab-genai 作为代码库
  - 如果未显示相应代码库，请点击管理关联的代码库链接。
6. 将分支保留为 ^main$
7. 点击 Go、Node.js、Python、Java、.NET Core、Ruby 或 PHP（通过 Google Cloud Buildpack）
  - 其他字段（Build context directory、Entrypoint 和 Function target）保持不变。
8. 点击保存
向下滚动到身份验证
点击允许未经身份验证的调用
点击创建 (CREATE)

构建完成后（需要几分钟时间），运行此命令并访问生成的网址，以查看正在运行的应用：

echo -e "\n\nOnce the build finishes, visit your live application:\n \
    "$( \
        gcloud run services list | \
        grep codelab-genai | \
        awk '/URL/{print $2}' | \
        head -1 \
    )" \n\n"

11. 更改代码

返回到屏幕底部的 Cloud Shell 终端。
确保您仍位于正确的目录中：
```
cd ~/codelab-genai
```

安装 Go 版 Genkit SDK：

go get github.com/firebase/genkit/go/ai

安装适用于 Genkit 的 Vertex AI 插件：

go get github.com/firebase/genkit/go/plugins/vertexai

安装 dotprompt 插件以管理 LLM 提示：

go get github.com/firebase/genkit/go/plugins/dotprompt

安装 Go 的元数据库以获取当前项目 ID：
```
go get cloud.google.com/go/compute/metadata
```
在 Cloud Shell 编辑器中重新打开 main.go
```
cloudshell edit main.go
```

将 main.go 文件中的代码替换为：

package main

import (
    "context"
    "fmt"
    "log"
    "net/http"
    "os"

    "cloud.google.com/go/compute/metadata"
    "github.com/firebase/genkit/go/plugins/dotprompt"
    "github.com/firebase/genkit/go/plugins/vertexai"
)

func main() {
    ctx := context.Background()
    var projectId string
    var err error
    projectId = os.Getenv("GOOGLE_CLOUD_PROJECT")
    if projectId == "" {
        projectId, err = metadata.ProjectIDWithContext(ctx)
        os.Setenv("GOOGLE_CLOUD_PROJECT", projectId)
        if err != nil {
            return
        }
    }

    if err := vertexai.Init(ctx, nil); err != nil {
        log.Fatal(err)
        return
    }

    dotprompt.SetDirectory("./")
    prompt, err := dotprompt.Open("animal-facts")
    if err != nil {
        log.Fatal(err)
        return
    }
    type AnimalPromptInput struct {
        Animal string `json:"animal"`
    }

    http.HandleFunc("/", func(w http.ResponseWriter, r *http.Request) {

        animal := r.URL.Query().Get("animal")
        if animal == "" {
            animal = "dog"
        }

        response, err := prompt.Generate(
            ctx,
            &dotprompt.PromptRequest{
                Variables: AnimalPromptInput{
                    Animal: animal,
                },
            },
            nil,
        )

        if err != nil {
            w.WriteHeader(http.StatusServiceUnavailable)
            fmt.Fprint(w, err)
            return
        }

        w.Header().Set("Content-Type", "text/html; charset=utf-8")
        fmt.Fprint(w, response.Text())

    })

    port := os.Getenv("PORT")

    if port == "" {
        port = "8080"
    }
    if err := http.ListenAndServe(":"+port, nil); err != nil {
        log.Fatal(err)
    }
}

创建 animal-facts.prompt 文件：
```
touch animal-facts.prompt
```
在 Cloud Shell 编辑器中打开 animal-facts.prompt 文件：
```
cloudshell edit animal-facts.prompt
```

修改 animal-facts.prompt 并将以下代码粘贴到其中：

---
model: vertexai/gemini-1.5-flash
config:
temperature: 0.9
input:
schema:
    animal: string
default:
    animal: dog
---

Give me 10 fun facts about {{animal}}. Return the results as HTML without markdown backticks.

12. 重新部署

确保您仍在 Cloud Shell 中位于正确的目录中：
```
cd ~/codelab-genai
```
运行以下命令，将应用的新版本提交到本地 Git 代码库：
```
git add .
git commit -m "add latest changes"
```
将更改推送到 GitHub：
```
git push
```

构建完成后，运行以下命令并访问已部署的应用：

echo -e "\n\nOnce the build finishes, visit your live application:\n \
    "$( \
        gcloud run services list | \
        grep codelab-genai | \
        awk '/URL/{print $2}' | \
        head -1 \
    )" \n\n"

可能需要过几分钟，build 才能完成，然后您才能看到所做的更改。

您可以在以下网址查看所有修订版本的历史记录：https://console.cloud.google.com/run/detail/us-central1/codelab-genai/revisions

13. （可选）审核 Vertex AI 使用情况

与其他 Google Cloud 服务一样，您可以审核 Vertex AI 操作。审核日志可帮助您回答“哪些用户何时在何处执行过哪些操作？”这一问题。Vertex AI 的管理审核日志默认处于启用状态。如需审核生成内容的相关请求，您必须启用数据访问审核日志：

在 Google Cloud 控制台中，前往审核日志页面：

如果您使用搜索栏查找此页面，请选择子标题为 IAM 和管理的结果。
确保现有 Google Cloud 项目是您创建 Cloud Run 应用的项目。
在数据访问审核日志配置表中，从“服务”列中找到并选择 Vertex AI API。
在日志类型标签页中，选择数据访问审核日志类型 Admin read 和 Data read。
点击保存。

启用后，您将能够看到应用每次调用的审核日志。如需查看包含调用详情的审核日志，请执行以下操作：

返回已部署的应用，然后刷新页面以触发日志。
在 Google Cloud 控制台中，前往日志浏览器页面：

在查询窗口中，输入：

LOG_ID("cloudaudit.googleapis.com%2Fdata_access")
protoPayload.serviceName="aiplatform.googleapis.com"

点击运行查询。

审核日志会捕获 Vertex AI API 的使用情况，但不会让您观察工作负载相关数据，例如提示或回答详细信息。

14. （可选）清理

虽然 Cloud Run 不会对未在使用中的服务计费，但您可能仍然需要支付将容器映像存储在 Artifact Registry 中而产生的相关费用。您可以删除 Cloud 项目，以避免产生费用。删除 Cloud 项目后，系统即会停止对该项目中使用的所有资源计费。

如果您愿意，可以删除项目：

gcloud projects delete $GOOGLE_CLOUD_PROJECT

您可能还希望从 Cloud Shell 磁盘中删除不必要的资源。您可以：

删除 Codelab 项目目录：
```
rm -rf ~/codelab-genai
```
清理您可能不再需要的任何 Go 软件包：
```
cd ~
go clean -modcache
```
警告！此操作无法撤消！如果您想删除 Cloud Shell 中的所有内容以释放空间，可以删除整个主目录。请务必将要保留的所有内容保存到其他位置。
```
sudo rm -rf $HOME
```

15. 恭喜

在本实验中，您编写了一个 Web 应用，并配置了 Cloud Run，以便在应用的源代码发生更改时自动部署应用。然后，您修改了应用并再次部署。

如果您喜欢本实验，可以尝试使用其他编码语言或框架再次完成本实验：

如果您有兴趣参与用户体验 (UX) 调研，以帮助我们改进您今天使用的产品，请在此处注册。

以下是一些可供您继续学习的选项：

文档：使用 Genkit 作为灵活的模型抽象，以便轻松集成任何模型 API 并使用社区维护的模型。
Codelab：如何在 Cloud Run 上部署由 Gemini 提供支持的聊天应用
如何将 Gemini 函数调用与 Cloud Run 搭配使用
点播讲座：Google Kubernetes Engine 入门
如何使用 Cloud Run Jobs Video Intelligence API 逐个场景地处理视频