Key Findings
  • Docker 多階段建構將 Spring AI 應用打包成約 590MB 的映像——JDK 21 編譯、JRE 21 運行，確保任何環境都能一致執行
  • Google Cloud Run 提供每月 200 萬次免費呼叫與 scale-to-zero——一行 gcloud run deploy 指令就能取得公開 URL，零伺服器管理
  • GitHub Actions CI/CD 實現 git push 自動部署——從程式碼提交到雲端上線全自動，透過 GCP Service Account + GitHub Secrets 安全管理憑證
  • 完成本課代表你已掌握從零到部署的完整 AI 應用開發流程——13 堂課涵蓋 Notebook 實驗、Spring Boot 工程化、企業級功能、雲端部署

部署路線圖

Step 1: Docker 打包        → 確保任何環境都能跑
Step 2: Docker 本機驗證     → 確認打包正確
Step 3: 部署到 Cloud Run    → 一行指令上雲端
Step 4: CI/CD 自動化        → git push 自動部署

為什麼選擇 Google Cloud Run[1]？

平台免費額度部署難度Scale-to-Zero企業適用
Cloud Run200 萬次/月一行指令✅✅
Railway$5/月起三行指令❌一般
AWS（ECS/Lambda）按用量計費多步驟✅✅

Step 1：Docker 打包

使用多階段建構[2]——第一階段用 JDK 編譯，第二階段只保留 JRE 和 JAR，最小化映像大小：

# Dockerfile
FROM eclipse-temurin:21-jdk AS builder
WORKDIR /app
COPY . .
RUN chmod +x gradlew && ./gradlew bootJar --no-daemon

FROM eclipse-temurin:21-jre
WORKDIR /app
COPY --from=builder /app/build/libs/*.jar app.jar
EXPOSE 8080
ENTRYPOINT ["java", "-jar", "app.jar"]

建構映像（含 Vue 3 前端打包）：

# 先打包前端
cd frontend && npm run build && cd ..

# 建構 Docker Image
docker build -t spring-ai-demo .

# 確認映像大小
docker images spring-ai-demo --format '{{.Size}}'
# 約 590MB

Step 2：本機 Docker 驗證

部署前先在本機確認容器能正常運作：

# 啟動容器（port 8081 避免與開發衝突）
docker run -d \
  --name spring-ai-test \
  -p 8081:8080 \
  -e OPENAI_API_KEY=$OPENAI_API_KEY \
  spring-ai-demo

# 等待啟動（約 10-15 秒）
sleep 15

# 健康檢查
curl -s http://localhost:8081/actuator/health
# {"status":"UP"}

# 測試 API
curl -s -X POST http://localhost:8081/api/chat \
  -H 'Content-Type: application/json' \
  -H 'X-Session-Id: docker-test' \
  -d '{"message":"你好，用一句話介紹自己"}'

預期回應：

{"answer":"你好，我是小春，你的公司智能助理，隨時為你提供幫助和資訊！","sources":[]}
# 驗證完畢，停止測試容器
docker rm -f spring-ai-test

Step 3：部署到 Google Cloud Run

3a：安裝與設定 gcloud CLI

# macOS
brew install --cask google-cloud-sdk

# 登入 Google Cloud
gcloud auth login

# 設定專案（用你的 GCP 專案 ID）
gcloud config set project YOUR_PROJECT_ID

3b：啟用必要的 API

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

3c：一鍵部署

Cloud Run 的 --source 參數會自動在雲端建構 Docker 映像並部署[1]：

gcloud run deploy spring-ai-demo \
  --source . \
  --region asia-east1 \
  --port 8080 \
  --memory 1Gi \
  --set-env-vars OPENAI_API_KEY=$OPENAI_API_KEY \
  --allow-unauthenticated \
  --quiet

約 3～8 分鐘後，你會得到一個公開 URL：

Service [spring-ai-demo] revision [spring-ai-demo-00001-xxx] has been deployed
and is serving 100 percent of traffic.

Service URL: https://spring-ai-demo-xxxxx-de.a.run.app

就是這樣。任何人都可以從這個 URL 使用你的 AI 知識庫助手——前端聊天介面、RAG 問答、串流輸出、文件上傳，全部都能運作。

驗證雲端服務

# 測試雲端 API
curl -s -X POST https://spring-ai-demo-xxxxx-de.a.run.app/api/chat \
  -H 'Content-Type: application/json' \
  -H 'X-Session-Id: cloud-test' \
  -d '{"message":"你好"}'

# 查看服務狀態
gcloud run services describe spring-ai-demo --region asia-east1

Step 4：CI/CD 自動化——git push 自動部署

手動部署太麻煩。設定 GitHub Actions[3] 後，每次 git push 到 main 分支就自動部署：

# .github/workflows/deploy.yml
name: Deploy to Cloud Run

on:
  push:
    branches: [main]

jobs:
  deploy:
    runs-on: ubuntu-latest
    permissions:
      contents: read
      id-token: write

    steps:
      - uses: actions/checkout@v4

      - uses: google-github-actions/auth@v2
        with:
          credentials_json: ${{ secrets.GCP_SA_KEY }}

      - uses: google-github-actions/setup-gcloud@v2

      - name: Deploy to Cloud Run
        run: |
          gcloud run deploy spring-ai-demo \
            --source . \
            --region asia-east1 \
            --port 8080 \
            --memory 1Gi \
            --set-env-vars OPENAI_API_KEY=${{ secrets.OPENAI_API_KEY }} \
            --allow-unauthenticated \
            --quiet

設定 GitHub Secrets

需要兩個 Secret[4]：

Secret 名稱來源用途
OPENAI_API_KEYOpenAI PlatformAI 模型呼叫
GCP_SA_KEYGCP Service Account JSONCloud Run 部署權限
 
# 建立 GCP Service Account
gcloud iam service-accounts create github-deploy \
  --display-name="GitHub Actions Deploy"

# 授予部署權限
for role in roles/run.admin roles/cloudbuild.builds.builder \
  roles/storage.admin roles/artifactregistry.admin \
  roles/iam.serviceAccountUser; do
  gcloud projects add-iam-policy-binding YOUR_PROJECT_ID \
    --member="serviceAccount:github-deploy@YOUR_PROJECT_ID.iam.gserviceaccount.com" \
    --role="$role" --quiet
done

# 產生 JSON Key
gcloud iam service-accounts keys create gcp-sa-key.json \
  --iam-account=github-deploy@YOUR_PROJECT_ID.iam.gserviceaccount.com

# 設定 GitHub Secrets
gh secret set GCP_SA_KEY < gcp-sa-key.json
gh secret set OPENAI_API_KEY -b "sk-your-key"

# 刪除本地 Key（安全！）
rm gcp-sa-key.json

設定完成後，完整的自動化流程：

git add -A
git commit -m "feat: add new feature"
git push origin main
# → GitHub Actions 自動觸發
# → Docker 建構
# → 部署到 Cloud Run
# → 約 5 分鐘後自動上線

生產上線檢查清單

項目確認方式狀態
Dockerfile多階段建構、JRE 運行✅
.dockerignore排除 node_modules、.gradle 等✅
.gitignore 排除 .envAPI Key 不入版控✅
API Key 用環境變數程式碼中無硬編碼✅
前端已打包static/index.html 存在✅
PGVector 配置application-pgvector.yml 就緒✅
健康檢查/actuator/health 回傳 UP✅
CI/CD 流程GitHub Actions + Secrets✅

清理資源（避免費用）

# 刪除 Cloud Run 服務（不再產生費用）
gcloud run services delete spring-ai-demo --region asia-east1 --quiet

# 停止本地 PGVector（保留資料）
docker compose down

# 完全刪除資料
docker compose down -v

課程完整回顧：13 堂課的學習路徑

═══ 基礎篇：Kotlin Notebook 實驗 ═══

Lesson 0   環境設定（JDK + IntelliJ + Kotlin Notebook）
Lesson 1   ChatClient / ChatModel 基礎呼叫
Lesson 2   串流輸出 / Temperature / 模型切換
Lesson 3   Prompt 模板 / 結構化輸出（entity()）
Lesson 4   Function Calling（@Tool + 工具鏈）
Lesson 5   ChatMemory（Advisor + 多會話隔離）
Lesson 6   RAG 基礎（Embedding + VectorStore）
Lesson 7   進階 RAG（Metadata 過濾 + Re-ranking）
Lesson 8   多模態（GPT-4o 圖片 + DALL-E + Whisper + TTS）
Lesson 9   文件處理（ETL + 多格式 + TokenTextSplitter）

═══ 工程篇：正式專案與部署 ═══

Lesson 10  Spring Boot 專案（三層架構 + REST API + Vue 3）
Lesson 11  企業級 RAG（PGVector + 權限管控 + 監控）
Lesson 12  雲端部署（Docker + Cloud Run + CI/CD）← 你在這裡！

恭喜完成全部 13 堂課程！

你現在具備從零建構企業級 AI 知識庫應用的完整能力——從 Kotlin Notebook 實驗、Spring Boot 工程化、PGVector 持久化，到 Docker 打包與雲端部署。

前往完整課程專案