阮家圳的博客

中文

English

中文

English

Appearance

如何免费部署一个 AI 个人博客 ​

近期我使用新的技术栈重写了个人博客，并且**「不花一分钱」**完成了部署，还加上了 AI 功能。

现在，跟着我一步一步做，你也可以一分钱不花就搭建起自己的 AI 个人博客。

准备工作 ​

正式开始前，先做好以下准备：

  1. 访问 Google Cloud、Cloudflare 等平台的网络条件；
  2. 一张 Visa 或 Master 之类的外币信用卡（在注册 Google Cloud 账号时可能需要绑定）。

正式开始 ​

Fork 模板仓库 ​

首先，打开代码仓库，将代码 Fork 一份到自己名下。

image-20260719202027443

准备大模型 ​

选择一家同时提供 LLM 与向量（Embedding）模型、且兼容 OpenAI API 的供应商。

我选择的是阿里云百炼平台，因为现在有新用户送额度的活动，送的额度足够个人博客使用。

按照以下步骤完成大模型的准备：

  1. 注册账号；
  2. 在 API-Key 管理页面，创建并复制 API Key； image-20260719211123688

以下是默认的大模型相关环境变量：

变量含义默认示例
OPENAI_API_KEYAPI Key（必填）（空，需自行填写）
OPENAI_API_BASEOpenAI 兼容 Base URLhttps://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL对话模型qwen3.7-max
EMBEDDING_MODEL向量模型qwen3.7-text-embedding
EMBEDDING_DIMENSION向量维度（须与模型一致）768

之后可按所选供应商与账号剩余的免费额度，在部署环节再调整。

准备数据库 ​

因为本项目的 AI 功能支持连续对话和文章内容向量索引，所以需要准备一个 PostgreSQL 数据库。

我的选择是 Neon，因为其免费账号提供了：

  • 每个项目 0.5 GB 存储空间；
  • 每月 5 GB 的网络传输量；
  • 每月每项目的 100 CU-hours 量。

足够覆盖个人博客的使用。

按照以下步骤完成数据库的准备：

  1. 在 Neon 注册并创建项目（需支持 pgvector）。

  2. 在控制台执行以下命令，启动向量数据库功能：

    sql
    CREATE EXTENSION IF NOT EXISTS vector;

    image-20260719202916234

  3. 复制连接串（形如 postgresql://user:pass@host/db?sslmode=require），去除前缀 postgresql://，作为后续 Google Cloud Run 中使用的环境变量 DB_DSN。例如 Neon 给出：

    text
    postgresql://user:pass@ep-xxx.aws.neon.tech/neondb?sslmode=require

    则最终写入的 DB_DSN 环境变量值为：

    bash
    user:pass@ep-xxx.aws.neon.tech/neondb?sslmode=require

    image-20260719202300709

部署 Agent 服务（Google Cloud Run） ​

本项目的 Agent 服务需要一个支持 Python 的部署平台。同样，Google Cloud（按请求计费时）的免费额度也足够覆盖个人博客使用：

  • 每月 200 万次请求；
  • 每月 180,000 vCPU-seconds；
  • 每月 360,000 GiB-seconds；
  • 每月 2,500 build-minutes 构建时间；
  • 每月 0.5 GB 的镜像存储额度（通过设置镜像存储上限来避免这部分费用）。

Google Cloud 准备 ​

  1. 打开 Google Cloud，完成账号注册；

  2. 新增一个项目，后续在该项目下新增服务。 image-20260719213434983

    image-20260719213422466

新增 Google Cloud Run 服务 ​

  1. 打开 Google Cloud Run 控制台，选择「部署 Web 服务」中的「连接代码库」；
  2. 在「设置 Developer Connect」中选择之前 fork 的仓库（可能需要 GitHub 授权），「构建类型」的「Dockerfile」填写 /apps/ai-agent/Dockerfile； image-20260720201151281
  3. 填写「服务名称」；
  4. 「地区」选择「asia-east1 (台湾)」（该地区价格相对较低）；
  5. 「身份验证」选择「需要进行身份验证」，并勾选「Identity and Access Management (IAM)」； image-20260720201239426
  6. 在「容器、网络、安全性」→「容器」→「变量和密钥」中添加以下环境变量（推荐先在 Secret Manager 页面添加密钥，然后以密钥的形式添加）：
    1. DB_DSN：上文从 Neon 连接串提取出的值（不含 postgresql:// 前缀）；
    2. OPENAI_API_KEY：配置的大模型 API Key。
    3. （可选）OPENAI_API_BASE：OpenAI 兼容 Base URL，默认百炼平台的 https://dashscope.aliyuncs.com/compatible-mode/v1；
    4. （可选）LLM_MODEL：对话模型，默认 qwen3.7-max；
    5. （可选）EMBEDDING_MODEL：向量模型，默认 qwen3.7-text-embedding；
    6. （可选）EMBEDDING_DIMENSION：向量维度（须与模型一致），默认 768。 image-20260720201830554
  7. 确认并创建服务。

修改触发器 ​

等待服务启动完成后，还需修改触发器配置。因为 AI Agent 位于仓库子目录，若不限制路径，修改其他文件也会触发重新部署。

  1. 在刚部署好的服务详情页面，点击「修改仓库设置」进入触发器修改页面； image-20260720202107267
  2. 在「来源」→「与分支 main 匹配」→「包含的文件过滤条件 (glob)」中填入 apps/ai-agent/**。 image-20260720202144534

本地测试（可选） ​

部署完成后，因服务启用了身份验证，可在本机安装 Google Cloud CLI，登录同一 Google 账号，将线上服务代理到本地做冒烟测试（把服务名与区域换成你的值）：

bash
gcloud run services proxy <service> --region=<region>
# 例如：gcloud run services proxy personal-website-ai-agent --region=asia-east1

然后访问 http://localhost:8080/docs，或：

bash
curl http://localhost:8080/health
curl -sI http://localhost:8080/openapi.json

修改 Artifact Registry 配置 ​

Cloud Run 构建的镜像会保存在 Artifact Registry。按 官方定价，存储 Always Free 额度为每个结算账号每月 0.5 GiB（该账号下所有项目合计）；超出后按量计费。因此建议预先配置清理政策，避免旧镜像堆满免费额度。

  1. 打开 Artifact Registry，勾选对应仓库，点击「修改代码库」； image-20260720225748571

  2. 在「清理政策」中选择「删除多个软件制品」；

  3. 点击「添加清理政策」，添加以下两条：

    1. 名称：delete-old；政策类型：「按条件删除」 image-20260720233842838
    2. 名称：keep-recent-5；政策类型：「保留最新版本」，保留数量：5image-20260720233920099

  4. 点击底部「更新」，保存修改。

生成身份验证 JSON 文件 ​

上一步创建 Agent 服务时选择了「需要进行身份验证」，因此外部调用时必须完成身份验证。

  1. 打开 Google Cloud IAM 服务账号管理页面；
  2. 选择部署了服务的项目；
  3. 创建或选择一个服务账号，点击其电子邮件，进入账号详情页； image-20260720203034784
  4. 为该服务账号授予目标 Cloud Run 服务的 Cloud Run Invoker（roles/run.invoker）权限； image-20260720202853858
  5. 在「密钥」→「添加键」中选择「创建新密钥」（JSON），下载密钥文件，供下一步写入 Cloudflare 环境变量 NUXT_GOOGLE_SERVICE_ACCOUNT_JSON。 image-20260720203213242

部署网页应用（以 Cloudflare Workers 为例） ​

Cloudflare Workers 也可部署 Nuxt.js 应用，免费计划额度足够个人博客使用：

  • 每天 100,000 次请求；
  • 每月 3,000 分钟构建时间；

按照以下步骤完成部署：

  1. 在 Cloudflare 创建 Workers 应用，选择「Continue with GitHub」，选择 fork 的仓库； image-20260720211356018image-20260720211425772
  2. 在「Create and deploy」阶段，展开「Advanced settings」，将「Path」填写为 /apps/web； image-20260720211507698
  3. 添加以下环境变量：
    • NUXT_AI_AGENT_API_BASE_URL：Cloud Run 上的 Agent 根地址
    • NUXT_GOOGLE_SERVICE_ACCOUNT_JSON：将前文下载的服务账号 JSON 压成单行后写入（可用 jq -c . key.json） image-20260720211608737
  4. 最后点击「Deploy」进行部署，部署完成后，打开 Domains 标签页，打开生产用的 URL 开关，即可通过该地址访问。 image-20260720211854913

后续开发和维护 ​

本地开发可参考仓库 README 及相关文档（启动方式、架构说明等）。

仓库里也配好了 Cursor 可用的 Plugin、MCP 与各类 skill，便于 AI 协同开发。

而关于该项目的架构设计、项目思考与协同开发实践，后续还会有更多文章分享，欢迎关注。