1. 概览
首次部署 Web 应用可能令人望而生畏。即使在首次部署后,如果该流程的工作量太大,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,修改应用并重新部署。
学习内容
- 使用 Cloud Shell Editor 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。
- 请使用个人账号,而不是工作账号或学校账号。工作账号和学校账号可能会受到限制,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
- 使用现有的 GitHub 账号(如果有)。GitHub 更有可能将新账号屏蔽为垃圾账号。
- 为您的 GitHub 账号配置双重身份验证,以降低您的账号被标记为垃圾内容的几率。
3. 项目设置
- 登录 Google Cloud 控制台。
- 在 Cloud 控制台中启用结算功能。
- 完成本实验所需的 Cloud 资源费用应低于 1 美元。
- 您可以按照本实验最后的步骤删除资源,以免产生更多费用。
- 新用户符合参与 300 美元免费试用的条件。
- 要参加“面向开发者的生成式 AI”活动?您可能会获得 1 美元抵用金。
- 创建新项目或选择重复使用现有项目。
- 在 Cloud Billing 的我负责的项目中确认已启用结算功能
- 如果新项目的
Billing account
列显示Billing is disabled
:- 点击
Actions
列中的三点状图标 - 点击更改结算信息
- 选择要使用的结算账号
- 点击
- 如果您要参加面向开发者的 Gen AI 活动,该账号的名称可能为 Google Cloud Platform 试用结算账号
- 如果新项目的
4. 打开 Cloud Shell Editor
- 前往 Cloud Shell Editor
- 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
- 点击汉堡式菜单
- 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 $2}'
- 您可以使用以下命令列出所有项目 ID:
- 格式:
- 如果系统提示您进行授权,请点击授权继续。
- 您应会看到以下消息:
如果您看到Updated property [core/project].
WARNING
并收到Do you want to continue (Y/N)?
询问,则可能输入的项目 ID 有误。按N
,按Enter
,然后尝试再次运行gcloud config set project
命令。
5. 启用 API
在终端中,启用以下 API:
gcloud services enable \
run.googleapis.com \
cloudbuild.googleapis.com \
aiplatform.googleapis.com
此命令可能需要几分钟才能完成,但最终应该会显示如下所示的成功消息:
Operation "operations/acf.p2-73d90d00-47ee-447a-b600" finished successfully.
6. 配置 Git
- 设置全局 Git 用户电子邮件地址:
git config --global user.email "you@example.com"
- 设置全局 Git 用户名:
git config --global user.name "Your Name"
- 将全局 Git 默认分支设置为
main
:git config --global init.defaultBranch main
7. 编写代码
如需使用 Go 编写应用,请执行以下操作:
- 前往主目录:
cd ~
- 创建
codelab-genai
目录:mkdir codelab-genai
- 导航到
codelab-genai
目录:cd codelab-genai
- 初始化 go.mod 文件以声明我们的模块:
go mod init codelab-genai
- 创建
main.go
文件:touch main.go
- 在 Cloud Shell Editor 中打开
main.go
文件: 现在,屏幕顶部应该会显示一个空文件。您可以在此处修改此cloudshell edit main.go
main.go
文件。 - 修改
main.go
并将以下代码粘贴到其中: 几秒钟后,Cloud Shell 编辑器会自动保存您的代码。此代码使用我们的“Hello world!”问候语响应 HTTP 请求。package main import ( "fmt" "log" "net/http" "os" ) func main() { http.HandleFunc("/", func(w http.ResponseWriter, r *http.Request) { fmt.Fprintln(w, "Hello, world!") }) port := os.Getenv("PORT") if port == "" { port = "8080" } if err := http.ListenAndServe(":"+port, nil); err != nil { log.Fatal(err) } }
应用的初始代码已完成,可以存储在版本控制系统中。
8. 创建代码库
- 返回屏幕底部的 Cloud Shell 终端。
- 确保您仍位于正确的目录中:
cd ~/codelab-genai
- 初始化 Git 代码库
git init -b main
- 登录 GitHub CLI
按gh auth login
Enter
接受默认选项,然后按照 GitHub CLI 工具中的说明操作,包括:- 您想登录哪个账号?
GitHub.com
- 您首选在此主机上执行 Git 操作时使用哪种协议?
HTTPS
- 使用 GitHub 凭据对 Git 进行身份验证?
Y
(如果此选项未显示,请跳过。) - 您想如何对 GitHub CLI 进行身份验证?
Login with a web browser
- 复制您的动态验证码
- 打开 https://github.com/login/device
- 粘贴您的动态验证码
- 点击授权 GitHub
- 完成登录
- 您想登录哪个账号?
- 确认您已登录:
如果您已成功登录,此命令应输出您的 GitHub 用户名。gh api user -q ".login"
- 创建
GITHUB_USERNAME
变量GITHUB_USERNAME=$(gh api user -q ".login")
- 确认您已创建环境变量:
如果您已成功创建该变量,此命令应输出您的 GitHub 用户名。echo ${GITHUB_USERNAME}
- 创建一个名为
codelab-genai
的空 GitHub 代码库: 如果您收到以下错误:gh repo create codelab-genai --private
这样,您就已经有了名为GraphQL: Name already exists on this account (createRepository)
codelab-genai
的代码库。您可以通过以下两种方式继续学习本教程:- 删除现有 GitHub 代码库
- 创建一个具有其他名称的代码库,并记得在以下命令中更改该名称。
- 将
codelab-genai
代码库添加为远程代码库origin
:git remote add origin https://github.com/${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此提交中:
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
您可以运行以下命令,然后访问生成的网址,以在 GitHub 上查看应用代码:
echo -e "\n\nTo see your code, visit this URL:\n \
https://github.com/${GITHUB_USERNAME}/codelab-genai/blob/main/main.go \n\n"
10. 设置自动部署
- 让 Cloud Shell Editor 标签页保持打开状态。我们稍后会返回此标签页。
- 在新的标签页中,访问 Cloud Run 页面
- 在控制台中选择正确的 Google Cloud 项目
- 点击关联代码库
- 点击使用 Cloud Build 进行设置
- 选择 GitHub 作为代码库提供程序
- 如果您尚未在浏览器中登录 GitHub 账号,请使用您的凭据登录。
- 点击身份验证,然后点击继续。
- 登录后,您会在 Cloud Run 页面上看到一条消息,其中指出未针对您的任何代码库安装 GitHub 应用。
- 点击 INSTALL GOOGLE CLOUD BUILD 按钮。
- 在“Installation Setup”(安装设置)页面上,选择 Only select repositories(仅选择代码库),然后选择您通过 CLI 创建的 codelab-genai 代码库。
- 点击安装
- 注意:如果您有大量 GitHub 代码库,则可能需要几分钟才能加载完毕。
- 选择
your-user-name/codelab-genai
作为代码库- 如果没有看到该代码库,请点击管理关联的代码库链接。
- 将分支保留为
^main$
- 点击 Go、Node.js、Python、Java、.NET Core、Ruby 或 PHP(通过 Google Cloud Buildpack)
- 将其他字段(
Build context directory
、Entrypoint
和Function target
)保持不变。
- 将其他字段(
- 点击保存
- 选择 GitHub 作为代码库提供程序
- 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(需要几分钟时间)后,运行以下命令并访问生成的网址,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. 更改您的代码
- 返回屏幕底部的 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
- 安装适用于 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 Editor 中重新打开
main.go
cloudshell edit main.go
- 将
main.go
文件中的代码替换为以下代码: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 Editor 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 中的正确目录中:
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"
构建过程可能需要几分钟才能完成,之后您才能看到所做的更改。
您可以在此处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)审核您的 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了什么操作”的问题。Vertex AI 的管理员审核日志默认处于启用状态。如需审核生成内容的请求,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。 - 确保您创建 Cloud Run 应用时使用的 Google Cloud 项目就是该现有项目。
- 在数据访问审核日志配置表中,从“服务”列中选择
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。
启用该功能后,您将能够查看应用每次调用的审核日志。如需查看包含调用详细信息的审核日志,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,输入以下内容:
LOG_ID("cloudaudit.googleapis.com%2Fdata_access") protoPayload.serviceName="aiplatform.googleapis.com"
- 点击运行查询。
审核日志会记录 Vertex AI API 的使用情况,但您无法通过审核日志查看与工作负载相关的数据,例如提示或回答详情。
14. (可选)清理
虽然 Cloud Run 不会对未在使用中的服务计费,但您可能仍然需要为将容器映像存储在 Artifact Registry 中而产生的相关费用付费。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。
如需删除项目,请执行以下操作:
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所有 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。请务必将您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,您修改了应用并重新部署了应用。
如果您喜欢本实验,可以使用其他编程语言或框架再次尝试:
如果您有兴趣参与用户体验 (UX) 调研,以便改进您目前使用的 Google 产品,请点击此处报名。
以下是继续学习的几种方法:
- 文档:将 Firebase GenKit 用作灵活的模型抽象,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 支持的聊天应用
- 如何将 Gemini 函数调用与 Cloud Run 搭配使用
- 点播研讨会:Google Kubernetes Engine 新手入门
- 如何使用 Cloud Run 作业 Video Intelligence API 逐场景处理视频