Zeabur 是讓你寫出來的東西真的能上線的雲端平台。這份附件帶你建帳號 → 建專案 → 開雲端終端機 → 跑第一個部署,最後附上 Zeabur Enterprise 簡報的關鍵段落整理。
市面上能放網站/系統的雲端平台很多 ── AWS、Google Cloud、Azure、Vercel、Heroku ── 但Zeabur 是少數對「沒有工程團隊的老闆」友善的:
公司投入資源讓員工 / 學員開發 → 產出屬於公司。Team 帳號讓老闆集中管理所有專案、計費歸到公司、伺服器資源共享。員工離職時不會「東西被帶走」。今天工作坊就用這個架構。
用 GitHub 帳號 登入 ── 之後 deploy 你的 repo 不用再授權第二次。
第一次會跳到 GitHub 問你「Zeabur 想存取你的帳號可以嗎」── 按 Authorize。建議先選「Only select repositories」,等要 deploy 的時候再加授權範圍。
填基本資料(國家、用途)。
Team 名稱填 繪新國際(或 huixin-international)。
之後所有 Team 內專案的費用都會集中到這張帳單。可以綁公司信用卡,由 Flora / 財務同事管理。
從 Team Settings → Members → Invite,輸入學員 / 銷售夥伴的 email。每個受邀人會收到加入連結。
角色建議:Flora = Owner、Winifred 等顧問 = Admin、學員 / 夥伴 = Developer(可以開 service、不能改帳單)
取名 huixin-ai-workshop。這個專案會被整個 team 看得到、共享使用。
選最近的:Asia (Tokyo) 或 Asia (Hong Kong)。台灣客戶連起來都很快。
叫一兩個學員打開他們的 Zeabur,確認可以看到「繪新國際 / huixin-ai-workshop」。看不到代表 invite 還沒接受 → 請對方檢查 email。
每個 team 成員在 huixin-ai-workshop 這個專案下,可以開自己的工作環境跑 Claude Code。有兩個層級的選擇:
就是用附件 A 裝的那個。在自己電腦上打 cc 啟動,code 在自己電腦上、push 到 GitHub、再從 Zeabur deploy。學員的學習成果 = 公司資產。
進入 Zeabur dashboard → 點任一服務 → 右上角 Terminal 按鈕,可以打開瀏覽器內的終端機,直接在 Zeabur 容器內操作。不用裝任何東西,但要先在 project 裡建一個 service 才能用。
Step 3.1 Flora 在工作坊前一天先建好 Team 與 Project。
Step 3.2 開場時把 Team invite 連結投影出來、傳到 LINE 群 ── 學員 30 秒加入。
Step 3.3 學員在自己筆電啟動 cc / 或進 Zeabur dashboard,看到「繪新國際」team 出現即可開始。
Team 內任何成員 deploy 的服務都會顯示在公司 dashboard。不要在共享 project 裡輸入個人帳號密碼、信用卡資訊。學員的個人練習可以另開個人帳號做。
進入終端機後,這是工作坊現場我們會跑的範例 prompt:
cc> 幫我做一個繪新國際的 FAQ 機器人。
- 客戶在網頁上問問題
- AI 回答
- 回答要根據我等等貼給你的 FAQ 內容(10 題常見問題)
- 介面用繪新的主色(藍黑色系),底下有 LINE 聯絡按鈕
- 做好之後幫我部署到 Zeabur
Claude Code 會自己決定:
整個過程約 5–10 分鐘。最後你會拿到一個像 https://huixin-faq.zeabur.app 的網址,真的可以打開來用。
Zeabur 是「用多少付多少」的計費結構,沒有月租門檻。對剛起步的繪新來說:
| 用途 | 月費用估算(USD) | 說明 |
|---|---|---|
| 單一小型服務(FAQ Bot) | $3–8 | 低流量、小流量都還在範圍內 |
| 加上資料庫 | +$3–5 | PostgreSQL / MongoDB / Redis 任選 |
| AI Hub tokens(GPT/Claude 用量) | 視使用量而定 | 跟客戶聊天的次數成正比 |
| 自訂網域 | +$0–2 | 免費網域是 *.zeabur.app;買自己的網域才有費用 |
實務上一個剛上線的中小企業專案,月費用大概在 USD $5–20 之間。等業務量起來再升級資源。
第一個月就算把 FAQ Bot、案例展示頁、夥伴入門 SOP 全部部署上線,月支出大概是 NT$ 600–1,500。比請一個工讀生半天還便宜,但會 24 小時持續為你工作。
以下整理自 Zeabur Enterprise Partner 簡報,給繪新走到下一階段(多人團隊、規模化)時參考。
很多公司一開始以為導入 AI 就是「安排一場內訓」,但實際走完整個流程會發現,課程結束後團隊還是要面對:
沒有對應能力的話,最後還是得找顧問或專人處理。Zeabur Enterprise 就是把這段「從上完課到真的上線」之間的工作打包成服務。
用這 5 個維度自評目前狀態(L0 萌芽 → L1 局部 → L2 系統 → L3 規模),可以對應出下一步要補什麼:
| 維度 | L0 萌芽 | L3 規模 |
|---|---|---|
| 01 · AI Coding 普及度 | 個人偶爾用 | 全員預設使用 + Skills 共享 |
| 02 · 知識資產數位化 | 散在 chat / 個人腦袋 | RAG-ready · AI 自動讀取 |
| 03 · 部署 / 運維能力 | 本機跑,無上線環境 | 標準化平台 + 自動監控 |
| 04 · 資安 / 合規 | 沒檢查 AI 產出 | 資安規範融入開發流程 |
| 05 · 持續學習機制 | 學完忘光 | 知識庫自動更新(Loop) |
每週一 09:00,AI 自動拉上週數據(DAU、新註冊、付費轉換、流失 top 10),比對差異、超過閾值標紅,發到內部群組。Before:手動撈數字 + 寫報告 3 小時;After:09:05 直接看趨勢做決策。
根據本月開發進度、Blog、Changelog,AI 產出 6 語系 HTML 電子報,圖片上傳 CDN、部署到預覽站、通知行銷團隊。Before:每月 2 人 × 4 天;After:1 人 × 1 個下午。
客戶問題進來 → AI 從 6,751 條公司知識中找最相關的段落 → 寫回覆草稿 → 客服過目送出。查不到的標為「新知識候選」。Before:跨 3 個部門問才能回;After:AI 讀完內部手冊就能回。
對繪新最直接對應 ── 你們想要的客服系統就是這個架構。整套已開源,可一鍵部署到自己的 Zeabur。
| 階段 | 月份 | 重點 |
|---|---|---|
| 啟蒙 | M1–M3 | AI Coding 工具熟悉、團隊培訓 |
| PoC 設計 | M4–M6 | 找出 1–3 個值得做的應用場景 |
| 落地實作 | M7–M9 | 把 PoC 變成正式系統、整合內部流程 |
| 上線與維運交接 | M10–M12 | 客戶自己接手、Zeabur 退到後援 |
給創辦人的下一份必讀:附件 D · Vault for Founders ── 怎麼從零建立你自己的 AI 知識庫,是繪新從這場工作坊走向長期 AI 應用最關鍵的一步。