原文：https://dev.to/vero-code/building-needflare-an-autonomous-disaster-intelligence-logistics-agent-with-gemini-37-gemma-4-21m8（作者 @vero-code）
在山洪、飓风、地震这类毁灭性自然灾害中，蜂窝网络全面瘫痪，应急调度员被成千上万条零碎而慌乱的现场消息淹没；志愿者在开放的无线电频段或网状电波上协调行动时，还可能泄露电话号码、姓名、易受攻击的家庭住址等敏感个人身份信息（PII）。
为了同时解决这两大瓶颈，Needflare 应运而生——这是一个运行在 Google Cloud 上的自主、隐私优先的应急情报与物流智能体。
本文将介绍这套系统是如何搭建的、如何在后台异步运行，以及它如何把三个前沿 Google AI 模型——Gemini 3.7 Flash、Google Gemma 4 和 Google Veo 3.1——统一到一起。
现场演示与视频讲解
观看完整的 3 分钟技术演示：
{% youtube 4tsuo_eSNvw %}
- GitHub 仓库：vero-code/needflare
- Devpost 项目页：software/needflare
架构总览
Needflare 在四个相互解耦、具备容错能力的层级上运行：
- 边缘层（志愿者终端）：本地优先（Local-First）的客户端应用，先在设备端完成 PII 脱敏，再把数据包排入离线的存储转发（store-and-forward）缓冲区。
- 异步接入层（Google Cloud Pub/Sub）：高吞吐队列，在网络恢复后将缓冲的报告突发式同步上云。
- 自主调度层（Google Cloud Run + GenKit + Gemini 3.7 Flash）：异步后台智能体，评估危机严重程度、按照 Sphere 人道主义标准计算援助物资量，并自动调度物流车队，免去人工派单的延迟。
- 通用视觉引导层（Google Veo 3.1 Fast）：面向处于极度惊吓或语言障碍中的灾民，自动合成无语言、零文字的生存指导视频广播。
📌 Needflare architecture（图，点击查看）
1. 边缘智能：用 Google Gemma 4 做 PII 脱敏
灾难场景下，数据零泄漏是硬性要求。志愿者撰写现场报告时，Needflare 直接在设备上执行实时数据清洗：
- 在线模式：调用 Google 托管的
gemma-4-26b-a4b-it端点，进行高精度类别分类（water、medical、shelter、rescue、food、power，对应饮水、医疗、安置、救援、食品、电力）和紧急程度评分。 - 离线模式：若蜂窝或卫星信号完全中断，Needflare 会无缝回退到设备端的正则启发式规则，把姓名、电话号码和街道地址脱敏为安全的分区代码（如
[SECTOR_ALPHA_SNAP]），并将报告存入加密的本地缓冲区。
2. 异步事件管道：Google Cloud Pub/Sub 与 Cloud Run
当间歇性连接（LoRa 网状网络、卫星或恢复的 4G）重新接通时，志愿者触发一次突发同步：
- 报告直接发布到专用的 Google Cloud Pub/Sub 主题（
needflare-reports）。 - 后端智能体以容器方式托管在 Google Cloud Run 上，配置为空闲时缩容到零以节省算力成本，灾害流量高峰期间则瞬时扩容。
- 持久化状态保存在 Google Cloud Firestore Native 数据库（
needflare-db）中，横跨三个同步集合：reports、tasks和veo_guides。
3. 自主调度核心：通过 Google GenKit 调用 Gemini 3.7 Flash
传统应急调度员要花掉黄金几小时来计算物资配额。Needflare 借助 Google GenKit v1.41 编排的 Gemini 3.7 Flash 消除了这一瓶颈：
该智能体没有采用开放式的对话循环，而是执行一个事件驱动的推理流程（needflareTriageFlow），并严格限定工具调用：
triageSectorTool：动态上调或下调各分区的威胁等级。createLogisticsTaskTool：自动向 Firestore 派发物资车队任务，基于人道主义 Sphere 标准计算所需物资量（例如每人每天 15 升饮用水）。triggerVeoVisualGuideTool：检测到紧迫生存挑战时触发视觉生存视频合成。
4. 通用视觉引导：Google Veo 3.1 Fast
在极度创伤或恐慌之下，受灾者往往无法解读密集的文字指令。
Needflare 集成了 Google Veo 3.1 Fast（veo-3.1-fast-generate-preview），生成零文字、高对比度的 8 秒教学视频广播（例如用木炭和布料净化洪水，或搭建应急保暖庇护所）。服务器会轮询这个长时间运行的生成任务，下载校验通过的 MP4，并在 Firestore 中登记该流程，以便在各战术协调看板上即时播放。
结语
构建 Needflare 的过程证明了把 Google 的智能体生态——GenKit、Gemini 3.7 Flash、Gemma 4 与 Google Veo——与无服务器 Google Cloud 基础设施组合起来的巨大威力。在应急响应中，省下的每一秒都在挽救生命。
原文：https://dev.to/vero-code/building-needflare-an-autonomous-disaster-intelligence-logistics-agent-with-gemini-37-gemma-4-21m8（作者 @vero-code）
