從「空間數據」到「流域敘事」：二仁溪探索計畫中的 WalkGIS 方法論進化

在規劃二仁溪探索計畫的過程中，我不只是在畫一張地圖，而是在進行一場 AI 驅動的「環境策展」。原本我們只關注座標與路徑（ bones 骨架），但在這次二仁溪的實踐中，我們成功注入了「敘事靈魂」（soul）。

以下是本次計畫中，關於 WalkGIS 數位整合與探索流程的三大方法論改良：

1. 「二段式研究法」的誕生 (Deep + Basic Research)

過往我們條列 POI 時，往往直接跳入查詢座標。但在二仁溪這個具備深厚歷史負擔的流域，我們實驗了「先深度敘事、後基礎資料」的二段式流程：

Deep Research (敘事研究)：要求 AI 根據著作《南部紋理》的觀點，挖掘流域的「治理歷史」、「地質制約」與「環境救贖感」。這讓 Day 1 到 Day 3 的行程具備了邏輯鏈。
Basic Data Research (基礎研究)：在敘事架構定稿後，再讓 AI 去批次抓取經緯度、補給點與潮汐時間。
效益：這確保了每一條產出的數位資訊（Feature Markdown）都帶有著作中要求的「觀點」，而不僅僅是 Google Maps 上的複製品。

在處理大量地圖檔案時，我們遇到「日期未定」與「資產命名」的混亂問題。這次我們修正並正式封裝了以下標準：

2026xxxx 邏輯：在行程日期未敲定前，開發環境統一使用 2026xxxx_ 作為 ID 前綴。這讓檔案在資料庫（walkgis.db）與檔案系統中保持唯一性，未來日期確定後，僅需一次批次取代即可上線。
KML 幾何合併 (Dissolve)：過往匯入 Google My Maps 的河道線段極為細碎。這次我們改寫腳本，依據 RV_NAME 欄位將主流與支流合併為 MultiGeometry。這讓地圖圖格更整潔，且能一鍵選取整條溪流。

我們在 walkgis.db 的同步上做了重要突破，讓 Markdown 檔案與資料庫不再是並行線，而是深度耦合：

Mermaid 路由注入：直接將展示支流拓樸的 Mermaid 語法寫入資料庫的 meta_data 欄位，這讓 WalkGIS 網頁端未來能原生解析地圖的「邏輯路徑」。
地圖主檔與封面圖自動關聯：透過 Frontmatter 的 cover_image 與資料庫 API，實現了「地圖選擇清單」與「視覺封面」的自動連動，大幅提升了數位工具的高級感。
標準化內部跳轉：將點位連結全面更正為 [Name](?map=MAP_ID&feature=FEATURE_ID)，確保在不同平台上（網誌、App、KML 說明）都能觸發正確的地圖反應。

二仁溪探索計畫不再是一疊紙本計畫書，而是一個包含 「3 篇敘事草稿 + 15 個點位特徵檔 + 1 個結構化資料庫 + 1 張 AI 視覺封面」 的數位孿生計畫。

這次的經驗已經正式沉澱並更新到我們的 river-exploration 與 gis-data-manager 兩個核心 Skill 庫中。接下來的蘭陽溪、淡水溪計畫，我們將以此為基準點，繼續優化這套「河流探索 SOP」。

哈爸寫於 2026-02-04，AI 助理 Antigravity 整理協作。