DIALØGUE：由零開始Build一個AI Podcast Generator（學到超多嘢）
我build咗一個AI podcast generator，俾你喺內容生成之前先shape佢——因為我已經厭倦咗AI喺我返工途中淨係讀Wikipedia俾我聽。
起點：點解要Build一個Podcast Generator？
好喇，係咁嘅——我好鍾意podcast。作為一個花太多時間塞車嘅人（hello，各位通勤族！），我一直都好好奇：如果我可以generate一個關於任何我有興趣嘅topic嘅podcast呢？唔係一個悶嘅AI voice讀Wikipedia，而係AI hosts之間嘅engaging對話。
加上，老實講，喺build咗幾個細project同寫咗我嘅coding journey之後，我想tackle一啲更大嘅嘢。一啲會push我去學新技術嘅嘢，而且可能會為其他人創造一啲有用嘅嘢。:P
咩係DIALØGUE？
DIALØGUE係一個早期階段嘅應用（alpha phase），用AI generate專業podcast。你俾佢一個topic——由「Fed decisions and market impact in 2025」到「Understanding quantum computing for beginners」——佢就會create一個完整嘅20分鐘以上嘅podcast，有多個AI voice進行真正嘅對話。
以下係佢同淨係叫ChatGPT讀一篇文章俾你聽嘅分別：
- Interactive outline review：呢個係game-changer——喺任何research或寫作開始之前，你可以review proposed outline同按你想要嘅方式shape佢
- Research-based content：用search engine research事實同最新資訊
- Natural dialogue：Claude Sonnet 4寫conversational scripts
- Multiple voices：高質素嘅neural voices，有唔同嘅host個性
成個過程由topic到完成嘅audio file大概10分鐘。對於一啲人類需要幾個鐘頭或者幾日先做到嘅嘢，唔錯㗎喇！
Tech Stack：一個Serverless冒險（不斷演化）
好喇，講吓技術細節（我最鍾意嘅部分！）。以下係DIALØGUE背後嘅技術：
Frontend
- Next.js 15 + React 19：因為我想用最新最好嘅
- TypeScript：被runtime errors burn過太多次之後
- Tailwind CSS：對於唔係design wizard嘅人嚟講styling容易好多
- Supabase JS Client：用嚟做auth同real-time updates（呢個係game-changer）
Backend（現時 - GCP）
- Cloud Run：10+個containerized Python microservices，有automatic scaling
- Cloud Workflows：Orchestrate pre-feedback（outline）同post-feedback（generation）workflows
- Cloud Storage：Audio file storage，有CDN delivery
- API Gateway：單一entry point，有CORS同authentication
- Supabase：PostgreSQL database，有Row Level Security同Edge Functions
*Note：Originally build喺AWS Lambda/Step Functions上，但2025年7月migrate到GCP，audio generation成本減少咗92%。*
AI Services
- Claude 4.0 Sonnet：Script generation，temperature設為0確保JSON reliability（直接用Anthropic API）
- Perplexity AI：為每個segment做research同fact-checking
- OpenAI TTS：高質素neural voices做natural conversation
- Content Moderation：Anthropic嘅built-in safety checks
主要功能同User Journey
以下係從user角度嚟睇佢點運作：
1. 輸入一個topic：簡單嘅text input，冇花巧嘢
2. AI generate一個outline：大約1分鐘——你會見到proposed structure同segments
3. Review同shape你嘅podcast：呢度係DIALØGUE真正shine嘅地方！你可以：
- 改變focus（「Make it more beginner-friendly」）
- 加入遺漏嘅context（「Include the recent 2025 developments」）
- 移除或修改segments（「Skip the technical jargon in segment 3」）
- 如果AI誤解咗你嘅intent，可以完全改方向
4. Generate完整podcast：當你approve咗outline，generation大約需要6-10分鐘
5. Download同enjoy：MP3 file準備好俾你通勤聽
背後，佢做緊更多嘢：
- 將topic拆分成segments
- 等你approve先做resource-intensive operations（唔使浪費credits喺唔想要嘅內容上！）
- 用specific queries research每個segment
- 喺兩個AI host之間寫natural dialogue
- 優雅咁handle errors（如果出錯會refund credits）
- Real-time progress updates等你知發生緊咩
好嘅、有挑戰嘅、同「Oh No」嘅時刻
好嘅
- Outline review功能：用戶鍾意可以喺generation開始之前shape佢哋嘅podcast。好似同你嘅AI producer傾偈咁！
- 10倍performance改善，由轉用直接Supabase queries（450ms → 45ms）
- 即時user signup：用atomic Edge Functions修好咗3分鐘delay bug（依家 < 500ms）
- 自動credit refunds，喺generation失敗時透過database triggers
- Real-time updates真係work（多謝Supabase！）
- 92%成本減少，喺audio generation方面，migrate到GCP之後
- 乾淨嘅database-first architecture，移除咗Lambda legacy code之後
有挑戰嘅（依家解決咗！）
- AWS Lambda layer地獄：Import errors、250MB size limits（透過GCP migration解決）
- JWT security migration：由HS256升級到P-256，同時保持backward compatibility
- AI temperature設定：Claude喺0.7嘅時候30%嘅時間generate invalid JSON（用temperature 0修好）
- WebSocket memory leaks：React components每個鐘leak 50MB（用RealtimeManager修好）
- Database race conditions：新用戶等咗3分鐘因為replication lag（用atomic operations修好）
- Credit system複雜度：由dual credits簡化為single type
「Oh No」嘅時刻
- 嗰次我唔小心將critical workflow data儲喺錯嘅地方
- 當我發現神秘嘅browser errors係來自我自己嘅code耗盡resources
- 喺routine audit中發現security vulnerabilities（全部已修好！）
我學到咩（劇透：好多）
呢個project push咗我去到comfort zone之外好遠，學到好多：
1. User control至關重要：Outline review功能唔喺我嘅原始設計入面，但佢成為咗最重要嘅功能。俾用戶喺generation開始前shape content，慳時間、慳credits、減frustration
2. 由簡單開始，需要時先migrate：我哋由AWS Lambda開始但撞到複雜度嘅牆——migrate到Cloud Run解決咗所有問題
3. Direct database queries可以更快：我嘅10倍performance改善係來自拋棄不必要嘅API layers
4. AI成本會累積：為single podcast run多個AI services需要小心嘅成本管理
5. User experience好重要：加progress indicators同time estimates make a huge difference
6. Security永遠唔會「完成」：Regular audits揭示咗我永遠唔會想到嘅問題
7. Infrastructure as Code有gotchas：SAM嘅quirks教識我好多（好似SSMParameterReadPolicy加多咗slash！）
8. Cloud migrations可以出奇地快：有AI pair programming，我哋一日就由AWS migrate到GCP！
目前狀態同未來計劃
DIALØGUE依家live咗！喺alpha phase，新用戶有2個免費credits。
價錢方面——老實講，我花咗太多時間喺度苦惱。每個podcast都需要真金白銀generate（Claude API calls做script、Perplexity做research、OpenAI做voice synthesis——加埋真係唔少）。最後我定咗大概cover我成本加少少margin嘅credit packs：Starter $4.99有4個podcasts、Pro $9.99有9個、Bulk $19.99有18個。隨住我了解更多actual usage patterns，可能會調整，但暫時覺得公平。而且如果因為技術原因generation失敗，credits會自動refund——我唔會因為我嘅bug收你錢 :P
想試吓？
我好想你試吓！去podcast.chandlernguyen.com同create你第一個AI podcast。頭2個係免費嘅，你冇嘢可以輸。
事先警告：佢仲喺alpha，所以可能會break。但hey，呢個都係fun嘅一部分，對唔對？如果你遇到問題，app入面有feedback功能（只限logged-in用戶——因為有啲spam問題所以加咗呢個限制）。
最後諗法
Build DIALØGUE係我tackle過最有挑戰同最有回報嘅project之一。佢結合咗我學緊嘅所有嘢——由AWS Lambda functions到React components到AI prompt engineering——仲帶嚟咗一個意想不到嘅cloud migration journey。
最出乎意料嘅發現？我之前提到嘅outline review步驟。最初我以為用戶只係想input一個topic就get一個podcast。但喺testing中，我意識到俾用戶控制方向、喺main generation process開始之前，make all the difference。佢將工具由一個黑箱變成一個collaborative AI assistant。同一個insight——人類creative direction加上AI execution——後來喺我build DIALØGUE嘅native iOS app而唔識Swift嘅時候成為咗核心lesson。
佢完美嗎？唔係。佢有用嗎？我覺得係！至少，佢係一個incredible嘅學習旅程，而我好excited睇吓佢之後會點發展。
你會create一個關於咩嘅podcast？我真心好奇——send message俾我或者自己試吓。誰知道呢，有shape同guide content嘅能力，你嘅AI-generated podcast可能正正係你想搵嘅嘢。:P
祝好，
Chandler
**想要技術deep-dive？**跟住成個journey：
- Build DIALØGUE嘅engineering lessons：我由advertising到engineering嘅旅程，同埋點解complexity係敵人
- 一個AI Parameter改動令我每月多付$54：AWS → GCP migration期間一個temperature設定點樣造成重大低效
