Google Developer Groups DevFest
十月初的時候從 GDG 網站看了一下近期有什麼活動，沒有想太多就報名了 DevFest，沒想到是這麼大型的全天性活動。除了台北場之外，還有桃園、台中、彰化、台南、高雄場次可以參加，世界各地的各個城市也會在這段時間舉辦年度技術大會。
今年台北場的地點是在台大博雅教學館，超過 1600 位的使用者表示有參與意願，實際到場的人數也確實很多。安排上午場四軌、下午場六軌，有七大主題：Cloud、AI/Machine Learning、Web Technology、Fluter、Firebase、Android、Go，其中 AI/Machine Learning 是比較熱門的分享主題。
全程共有 38 位講者，主要用中文，少數幾場是全英文進行，講者以兩種形式分享，分別是 40 分鐘的技術分享，以及 2.5 小時的工作坊。
這次只有參與技術分享的部分，從上午到下午，聽了四場半的議程，其中三場是與 AI/Machine Learning 相關的主題，聽完發現沒有多餘的精力參與工作坊了，工作坊就留給未來體驗吧～
兩場與 AI/Machine Learning 相關的議程重點整理
畢竟是 Google Developer Groups 舉辦的技術大會，大部分的分享其實都與 Google 的產品高度相關，搭配共筆重點整理成以下內容：
「Gemini CLI × Spec Kit:重新定義 AI 協作開發」重點整理
在這場議程，講者先是強調為何要以終端機操作 AI 模型，接著帶出 Google 新推出的開源 AI agent 產品 Gemini CLI，介紹 Gemini CLI 在時下的核心優勢有哪些，最後以實際經驗，比較同樣是在終端機與 AI 協作開發的兩個工具 Spec Kit 與 OpenSpec 的使用差異。
對於開發者來說，目前 Gemini CLI 的優勢在於有充足的免費使用額度，Gemini 2.5 Pro 支援百萬 token 的 context window，還可透過 MCP (Model Context Protocol) 擴充功能連接其他軟體工具，避免視窗頻繁切換。
使用時 Gemini CLI 是以 ReAct 推理框架完成錯誤修正與複雜任務需求，詳細內容可在 Gemini CLI: your open-source AI agent 與 Gemini Code Assist 查看完整介紹。
規格驅動開發 SDD
在開發上如果想要降低 AI 失控的風險，規格驅動開發（Spec-Driven Development, SDD) 是目前比較多人討論的解決方案之一，其協作方式是先撰寫清晰、結構化的規格文件，並將自然語言的規格文件納入版控，持續修正迭代。
使用 Spec Kit 的四大步驟
- /specify：聚焦使用者需求與成功標準，建立共識基礎
- /plan ：決定技術堆疊與系統架構，建立可執行的實施計畫
- /tasks ：分解成可獨立執行的小任務
- /implement ：AI 根據任務規格，逐步生成程式碼
Spec Kit 輔助指令
- /speckit.constitution 建立專案原則
- /speckit.specify 建立規格
- /speckit.plan 建立技術實作計畫
- /speckit.tasks 拆解為任務
- /speckit.implement 執行實作
- /clarify ：釐清規格中未明確的區塊
- /checklist：產生自訂品質檢查清單，驗證區求的完整性、清晰度與一致性
- /analyze ：跨產物一致性與覆蓋度分析
Spec Kit 與 OpenSpec 工具選擇與實務建議
講者認為 Spec Kit 適合 0 ~ 1 的開發情境，規則較嚴謹；OpenSpec 適合 1 ~ 100 開發情境，更彈性、更靈活。「規格驅動開發」的方法論，不適合一次處理太大的需求顆粒，其次是需要具備一定的軟體工程能力才能駕馭這些工具。無論選擇哪一種工具，產出的程式碼一定要全部讀過。
「從零開始到實戰：Gemma-3-270M 預訓練與應用心得分享」重點整理
講者先是說明訓練大語言模型的動機，接著介紹 Gemma 3 系列模型的特色，增強 Gemma-3-270m 的繁體中文能力之後，再以此模型實作兩個有趣的應用：PTT 鍵盤俠模型、唐伯虎模型。
Gemma 和 Gemini 都是 Google 的大語言模型，主要差異在於 Gemma 適用於本地或私有環境，以文字為主，而 Gemini 是以雲端環境為主，還能用多模態方式應用。會需要自行訓練模型者，大部分是基於這三種原因：
- 隱私考量：金融、國防等特定敏感領域不能將資料上雲。
- 領域專精：通用模型無法滿足特定領域高度專業化的需求。
- 成本控制：小規模尚可依賴雲端模型，規模化後使用自訓練的模型更經濟實在。
Gemma 3 系列模型
- 支援圖片與文字輸入（270M, 1B 僅支援文字）
- 輸入的上下文可達 128K token
- 支援超過 140 種以上的語言（繁體中文能力偏弱）
- 多種參數等級：270M, 1B, 4B, 12B, 27B（可從 Kaggle 或 Hugging Face 下載）
- 可使用函式呼叫
小模型訓練的可行性：幾千個樣本即可看到明顯效果
講者使用增強繁體中文能力後的 OOO 模型，展示了兩個有趣的應用，都是基於某種對話特色而回覆訊息的模型，分別是「PTT 鍵盤俠模型」與「唐伯虎模型」。PTT 鍵盤俠模型，會以很辛辣的方式對答，而唐伯虎模型，會以七言絕句的方式回應，即使是 270M 參數也能做出有趣的應用！
講者提到訓練「PTT 鍵盤俠」所使用的訓練資料，是使用現成的大語言模型直接產生幾千筆資料，而非爬蟲抓下來的，這些生成的資料非常符合講師的期望，人工篩選後，才將資料使用 8 張 GPU B200（跑 17 分鐘），最後完成「PTT 鍵盤俠模型」。
HackMD 多人共筆的有趣體驗
有一場議程接近 300 位參與者，當中有一群參與者會一起有默契或沒默契的在 HackMD 上面共筆議程內容。有的人負責簡報文字，有的幫忙補圖片或延伸的超連結，還有的會把口述的實際案例記錄下來，當然有時候還是會遇到誤刪或重複的狀況，這些都蠻有趣的！
結語
報到的時候，會拿到活動識別證，要自行寫上名字，識別證有兩種顏色的掛繩可以選，如果不想被攝影師拍攝，就使用黃色的掛繩。除了會拿到識別證之外，還會有一張天瓏書局的百元折價券（是盲鳥票限定禮），最後是一張貼紙，不知道為什麼，只要收到貼紙就很開心 ♩♫♬～
以第一次參加 GDG DevFest 活動來說，覺得活動位置很便捷，抵達現場後也因為有事前公開場地平面圖，所以幾乎不太需要花時間找議程位置，每個空間都有提供 Wi-FI 給參與者使用。
教室座位空間狹小，坐定後就無法走動，建議提早進場卡位，熱門場次最好是上一場就要在裡面。設備電力問題需要自行處理（只有遇到其中一間教室桌面有插座）。
中間午休時間一個小時，距離用餐的地方有段距離，雖然有帶簡餐，但身體還是很誠實的走去速食店買炸物，週末店家人潮眾多，時間要預留多一點，如果不想錯過下午一點的議程，建議還是自備餐點，用餐時間會比較充裕。
參考資料
Gemini CLI: your open-source AI agent