實測|Google AI Studio有感升級! 新手友善VibeCoding神器,如何一鍵部署到雲端?
實測|Google AI Studio有感升級! 新手友善VibeCoding神器,如何一鍵部署到雲端?

重點一:Google AI Studio 推出全新「Vibe Coding」Build 介面,主打一鍵部署到 Cloud Run,以零門檻快速產生並部署 Web 應用,預設採用 Gemini 2.5 Pro。

重點二:介面一大亮點是「I’m Feeling Lucky」按鈕,提供隨機靈感與自動配置,協助非工程背景的使用者以點擊方式組裝 AI 功能。

重點三:AI Studio 可免費試用並建立輕量原型,不需先輸入信用卡。但若要啟用進階能力(如使用 Veo 3.1,或以 Cloud Run 部署與擴充),則需切換到付費的 API Key。

Google 釋出全新 AI Studio「Build」體驗,明確瞄準更快、低門檻的「Vibe Coding」流程。這次更新不只改介面,而是把「從提示到雲端部署」拉成一條直線:只要用一段文字描述,系統就能把模型、前端、API 都拼起來,開工後幾分鐘內即可部署可用的網頁版本。

「Build」模式下佈署選項
在「Build」模式中,在AI生成出應用後,點選右上方的火箭圖示(Deploy App),就可以把Web應用佈署到Google Cloud(需要收費)。
圖/ Google AI Studio

以「Build」為中心的新介面,將從提示、功能組裝到雲端發佈的流程打包成易用入口。對開發者與非程式背景的團隊而言,降低了前期環境設定與框架選擇的時間成本,讓「先做出能跑的版本」變得可行。

新模型選擇器:先用 Pro 與 Flash,後續再擴充

新版 Build 頁面導入全新模型選擇器,現支援 Pro 與 Flash 兩種變體,為不同成本與效能需求提供起步選擇,並預留後續擴充空間。安全面向上, API金鑰頁面,新增了專案分組和重新命名功能。這讓使用者能夠更輕鬆地管理和追蹤跨專案的密鑰,把上線必備的安全控管前置到工具層。

最大變化之一是「超能力」格狀功能面板,使用者可一鍵加入媒體編輯、回應加速、深度推理等能力;這些能力會被 Gemini 在生成時視為組件,等同將使用者意圖轉譯為可落地的技術語彙,降低串接各種功能的難度。

各類AI功能被整理成模組化卡片
使用者可以依照功能點選想要添加至App的功能,十分方便。
圖/ Google AI Studio

為激發創意與加速打樣,介面新增「I’m Feeling Lucky」按鈕,以隨機提示引導用戶探索;時也在 App Editor 中提供情境化建議。 Gemini 會根據你正在做的頁面與目標,提示「該加哪個 AI 功能」或「怎麼改 UI 更合理」,像是建議加入影像編輯、加速回應,或調整按鈕層級與版面。

簡單來說,Google AI Studio 把「和模型一起設計」變成日常操作: 模型先給方向,你再對具體元件下指令,模型立即回應並修改,形成快速迭代的設計—驗證循環。

實測 Vibe Coding!一鍵生成「可預覽」原型

經《數位時代》編輯部實測,本次介面改版的亮點「I’m Feeling Lucky」按鈕,可以說是新手練手感的一大利器。只要點擊之後,Gemini 就會隨機生成一段打造「App」的提示詞。例如在測試中,AI 提供的點子是「企業 Logo 自動產生器」:

描述公司的使命,應用程式便會生成一份「品牌聖經」儀表板,內容包含:主標誌、次要識別、含使用說明的 5 色十六進位色票。

實測生成「品牌形象生成器」
只要向AI描述App功能,就可以馬上生成web應用原型。
圖/ Google AI Studio

而在點擊主頁的「Build」按鈕後,系統就會進入 Vibe Coding 的對話頁面(左側對話欄、右側 App 預覽),並在 2~3 分鐘內快速將 App 原型打造出來,且可直接在預覽頁面中驗證功能是否正常。

「品牌形象生成器」的生成結果
請AI重新設計「數位時代」logo,馬上就可以獲得成果。
圖/ Google AI Studio

更重要的是,使用者可以隨時針對初版進行改動,包括:

  1. 還原到檢查點(Restore checkpoint):如果不滿意改動,可以隨時回溯到上一動。
  2. AI 建議調整(Suggestions):Gemini 會自動建議可完善 App 的選項,例如「新增 Logo 下載」。
  3. 查看差異(View diff):點擊之後,AI 會將一大段程式碼分成數個可交叉比對的段落,方便使用者檢查修改前後的差異。
  4. 新增 AI 功能(Add AI features):系統將各種 AI 常用功能打造成卡片,只要點選後,就能透過提示詞串接功能。例如,在一個「會議議程生成器」中新增「Transcribe audio」功能,即可支援上傳語音檔轉文字。
「Build」模式下的對話介面。
介面十分人性化,不熟悉開發流程的使用者,可以透過AI生成的選項來優化App。
圖/ Google AI Studio

生態與規模化:AI Studio 成為 Google 代理式 AI 的入口

新版亦加入 Application Gallery(應用程式庫),未來可能進一步展示使用者作品,有助於範例學習與社群擴散,縮短「照做 → 改造 → 產品化」距離。

雖然作品公開發佈的規則和分發機制仍未定案,但一鍵部署意味著更高的可分享性:當用戶對原型應用程式感到滿意時,只需一鍵即可直接從平台部署到 Google Cloud Run,產生可用於測試與共享的即時 URL。

可以說,Google 正將 AI Studio 置於其生態核心,並押注 Agentic AI(代理式 AI)方向,欲以更完整的上線管線與更豐富的功能組件,支撐大量應用的誕生。

Gemini 3.0 要來了?

此次Google AI Studio更新被視為對 OpenAI(GPT-5 Codex,專攻長時間編碼任務)、Anthropic(Claude Sonnet 4.5,高階軟體編寫)等對手的直接回應。產業同時關注 Google 最新大型語言模型 Gemini 3.0 的發布時程。

近期有海外網友在 Reddit 推測,一度在 LMArena 出現的「lithiumflow」「orionmist」兩款強力 LLM,可能為 Gemini 3.0 Pro 與 Gemini 3.0 Flash 的預發布版本。

不論真假,此次 AI Studio 的工作流程與安全治理補強,顯示 Google 以高度整合的生態系統策略,降低進入門檻、加速應用落地,力求在快速變動的生成式 AI 開發競局中維持快節奏與心佔率。

延伸閱讀:台灣鋼鐵人前進日本!福寶科技這台「外骨骼穿戴機器人」,憑什麼讓緯創捧錢投資?
每月165元!LINE推Premium方案:檔案不過期、無痕收回訊息等5個進階功能,還有哪些權益?

資料來源:GoogleVenturebeatTestingCatalog

本文初稿為AI編撰,整理.編輯/ 李先泰

往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓