GenAI (生成式 AI)

參加講者尾牙「GAI 忘年會」，原本只是想輕鬆聚聚，卻帶回了兩個重磅的思維升級。當公司可以被 Context 化，當 PM 可以直接用 AI 寫 Code，我們的管理模式與工作流程正在經歷一場寧靜的革命。

很多精彩的想法都消失在會議室的空氣中？本文分享我的一套 GenAI 工作流：從手機錄音開始，透過 Google NotebookLM 生成摘要與圖表，再經由 Agentic AI (Antigravity) 改寫，最後自動部署到個人的 Hugo 網誌。這是一條讓「隨機討論」快速變成「結構化知識」的高速公路。

醫療資訊系統整合總是卡關？如果我們不強求系統對接，而是讓每個角色都有一個「AI 秘書」來幫忙傳話呢？這篇文章探討 Agent-to-Agent (A2A) 架構如何繞過技術債，用更彈性、更像人類協作的方式解決資訊孤島問題。

傳統的知識管理只能存下專家的產出，卻存不下專家的「思考方式」。本文介紹一種基於生成式 AI 的新方法論，透過「行為模擬」與「持續校正」，打造出真正像專家一樣思考與行動的 AI 代理人。

本實驗記錄了如何透過 Python Fabric 構建中間層來驅動 Google Gemini CLI，解決直接操作命令列時遇到的轉義字元問題、日誌雜訊干擾，並實現模型參數的靈活配置。

當靈感遇上 AI：一個上午的加速實踐 這篇文章不是遊記，而是關於這個網站與這個計畫是如何誕生的紀錄。 過去，當我們萌生一個「想去探索台灣河流」的念頭時，往往會卡在繁瑣的規劃、資料蒐集，甚至是架設網站的技術門檻上。但這次，我嘗試了一種全新的工作模式——與 Agentic AI (Antigravity) 協作規劃。 以下是我們在短短時間內，從「一個想法」到「網站上線」的歷程筆記。 第一階段：從模糊到具象 (The Brainstorming) 1. 結構化龐雜資訊 一開始，我只有「想探索河流」這個模糊的概念。我請 AI 扮演研究分析師，快速梳理了台灣北部、中部、南部、東部的主要河川。 關鍵產出：AI 幫我列出了一份包含 11 條主要河川的清單，並針對每一條河列出了「景觀」、「生態」與「人文」的探索重點。這份清單成為了後續所有行程的骨架。 2. 定義探索方法論 我們不只是去玩，而是希望帶入**「流域治理」與「開放資料」**的視角。AI 協助我將這些硬核的知識轉化為一篇名為〈數位河流學〉的方法論文章，確立了這個部落格「知性與感性兼具」的基調。 第二階段：技術苦工的自動化 (The Infrastructure) 有了內容，需要載體。我選擇了 Hugo 這個靜態網站產生器，但技術細節往往是最磨人的。 GenAI 解決了什麼？ 環境建置：從 hugo.yml 的基礎設定，到 PaperMod 主題的調整。 功能客製化： Google Maps 嵌入：解決了 Hugo 預設擋掉 iframe 的安全性設定。 自動目錄 (TOC)：協助開啟全站的文章導覽，解決了不同頁面顯示不一致的問題。 系列分類 (Series Taxonomy)：建立特殊的「Series」頁面，讓針對同一條河流（如大甲溪）的不同文章能自動聚合，並擁有專屬的介紹首頁。 除錯 (Debugging)：最經典的是 “Future Date” 問題。當我看不到新文章時，AI 迅速指出是因为我的文章日期設在「明天」，並教我設定 buildFuture: true 來解決。 第三階段：內容深度的擴充 (The Content) 在撰寫《大甲溪車宿攻略》與《后里環保公園指南》時，AI 扮演了編輯與資料庫的角色。 它記住了我要去「后里」，並能提醒我那邊是合法的車泊點，甚至補充了「洗澡要去附近游泳池」這種在地細節。 當我需要針對「歷史文化」做補充時，它能迅速生成一段關於大甲溪流域開發史的背景介紹，讓我能專注於個人體驗的書寫，而非重複查閱維基百科。 第四階段：連結真實社群 (The Connection) 最後，為了讓這個計畫落地，我們建立了一個 “Planning” (旅程規劃) 頁面。 ...

為什麼我們要重新學習「看見」河流？ 在開始這趟旅程之前，我想分享的不只是一份旅遊攻略，而是一套**「重新認識環境」的方法論**。 過去我們對河流的認識，往往停留在「觀光景點」的單點思維。但在投入流域治理與推動公私協力 (Public-Private Partnership) 的過程中，我發現若要真正守護一條河流，我們必須先「看懂」它——看懂它的流向、它的前世今生，以及它如何孕育文明又充滿風險。 這篇文章記錄了我如何運用當代的數位工具——生成式 AI (GenAI) 與 開放資料 (Open Data)，來輔助傳統的戶外探索，建構出一套名為「數位河流學」的探索心法。 1. GenAI：你的數位超級嚮導 🤖 在規劃大甲溪與頭前溪的旅程時，我並非漫無目的地搜尋，而是將 LLM (大型語言模型) 視為一位博學的在地嚮導。 賦能探索的三個層次： 廣度掃描 (Breadth)： Prompt 技巧：「請列出大甲溪流域從上游到下游的 10 個關鍵地質與人文節點，並說明其彼此的關聯。」 AI 能迅速幫我們串聯起「水庫興建」與「下游農田灌溉」的因果關係，或是「泰雅族遷徙」與「河階台地」的地理關聯。 深度挖掘 (Depth)： 針對特定地點（如后里環保公園），詢問其前身（垃圾掩埋場）與復育過程。這讓「車宿」不只是睡一晚，而是見證土地的重生。 角色扮演 (Persona)： 讓 AI 扮演「水利工程師」解說石岡水壩的設計，或扮演「歷史學家」講述中部大地震對地貌的影響。 心得：GenAI 不是用來取代我們的雙腳，而是用來武裝我們的大腦，讓我們在踏上旅途前，已經具備了「看見細節」的能力。 2. Open Data 與 GIS：看見肉眼不可見的河流 🗺️ 真實的河流不只在地表流動，更在數據中流動。善用政府的開放資料，能讓我們避開風險，找到秘境。 必備的數位工具箱： KML/GPX 軌跡規劃： 使用 Google Earth 或 GIS 軟體，疊合數值地形模型 (DTM)，可以清楚看到河階地、沖積扇的發育過程。我在規劃大甲溪行程時，便是先在 3D 地圖上模擬了視角。 水利署開放資料： 河川水位警戒：露營與溯溪前，務必查詢即時水位與上游雨量。 河川區域線：了解哪裡是行水區（禁止紮營），哪裡是高灘地（可休閒使用），這是合法且安全探索的基礎。 露營場資料集 (Open Data)： 透過觀光署的 CSV 資料，篩選合法且安全的車泊點，而非盲目跟隨網紅打卡點。 3. 流域治理：從「旁觀者」到「參與者」 🤝 這趟旅程的核心精神，是希望能將**「流域綜合治理 (Integrated River Basin Management)」** 的概念帶入大眾視野。 ...