大家好，我是 Alanna。
大約一個月前，我分享了我的個人專案 「美股智能投顧」 初版。
那是一個基於 Streamlit + Google Sheets 的小小嘗試，當時收到了許多朋友的鼓勵與回饋。
但在一次 DEMO 後，指導老師的一句話狠狠地點醒了我：
「功能是有了，但離業界標準還有一段距離。」
那一刻，我開始意識到：
如果我真的想成為能與工程師高效溝通、打造穩健產品的數位金融 PM， 我不能只停留在「能用」，而要學會「做得專業」。
於是，我給自己訂下了一個月的衝刺計畫——
要讓這個 AI 投顧從玩具，進化成真正的武器。
第一站：告別試算表擁抱專業級後端 Firebase
初版的資料庫是用 Google Sheets。
方便歸方便，但就像用樂高蓋房子：可愛卻不穩。
我遇到的問題包括：
- 資料查詢速度慢
- 使用者資料難以管理
- 安全性不足
於是我決定全面升級至 Google Firebase。
升級亮點：
- Firebase Authentication：提供安全、標準化的登入註冊系統
- Firebase Firestore：NoSQL 結構、高速查詢、可擴展性極強
- 使用
firebase-adminSDK，學會後端安全地讀寫資料
這不只是換工具，而是思維轉變的起點。
我開始學會以「業界標準」思考資料儲存與安全性。
第二站：讓 AI 驗證 AI — 雙模型的誕生
老師的第二個提問更犀利：
「你怎麼知道 AI 的建議是可信的？」
我突然意識到——
單一模型的建議，或許帶著偏見。
因此我設計了「多模型交叉驗證機制」。
在原本的 Gemini 2.5 Flash 基礎上，我新增了 Azure OpenAI (GPT-4o mini) 作為第二個顧問。
現在，使用者能自由選擇由哪個「AI 專家」提供投資建議。
這讓整個系統從「AI 助手」升級為具有初步「模型風控」概念的專業平台。
第三站：從一次性建議到持續陪伴
當技術穩定後，我思考產品的「靈魂」。
好的投資工具，不該只是一次建議，而要能「陪伴成長」。
新增兩大功能：
- 我的投資組合
自動擷取最新推薦
透過yfinance API取得即時股價
計算總報酬率、日漲跌與總價值
使用面積圖視覺化成長曲線 - 市場輿情 AI 摘要分析
抓取使用者投資組合中的股票代碼
利用 NewsAPI 擷取最新英文財經新聞
再由 Gemini AI 扮演「財經分析師」進行摘要與趨勢分析
這個「AI 摘要 AI」的流程，讓應用從被動工具，成為能主動提供市場洞察的智慧夥伴。
最終站：從本地端到雲端的蛻變
在部署階段，我決定不再依賴本地環境，而全面投入雲端原生（Cloud Native）流程。
技術突破：
- Dockerfile：將整個應用容器化
- Google Cloud Build：在雲端自動打包
- Google Cloud Run：以 Serverless 方式部署
- 環境變數控管：金鑰與程式碼完全分離
這一站讓我第一次真正體驗到：
一個專案如何從程式碼，變成能被全世界使用的服務。
重生的成果
現在，這個專案已經煥然一新：
穩定、安全、專業，並具備持續成長的潛力。
這一個月的衝刺，讓我不只是技術更進步，更學會了如何在不同角色間切換：
- 像 PM 一樣思考產品
- 像工程師一樣排除錯誤
- 像創作者一樣，給專案一個故事
結語
這趟旅程讓我再次確信：
「技術不是冷冰冰的工具，而是理解世界的一種溫柔方式。」
未來，我會持續優化這個專案，希望它不只是我的作品，也能成為更多初學者的靈感起點。
