從混亂到標準：花蓮溪計畫的建構經驗分享#

在建構「花蓮溪流域探索計畫」的過程中，我們不只是在畫地圖，更是在進行一場 AI 協作的高難度操演。這篇文章紀錄了如何將原始的 GIS 圖資，透過代理人技能（River Exploration Skill）轉化為可導航、具備文史脈絡的數位資產。

🌊 流域專案架構 (Basin Architecture)#

graph TD
    HR[花蓮溪主流] -->|注入| Pacific(太平洋-花蓮溪口)
    MK[木瓜溪] --> HR
    SF[壽豐溪] --> HR
    WL[萬里溪] --> HR
    MT[馬太鞍溪] --> HR
    GF[光復溪] --> HR
    
    MK --- MK_P[銅門發電廠]
    SF --- SF_A[白鮑溪]
    MT --- MT_W[馬太鞍濕地]
    GF --- GF_S[光復糖廠]
    HR --- JY_B[箭瑛大橋]
    HR --- MZ_A[米棧古道]

🛠 技術核心：三位一體架構#

這次實作再次驗證了 WalkGIS 專案的「三位一體」存儲原則：

  • Maps (地圖定義)：存於 maps/ 目錄，透過 Mermaid 邏輯圖建立流域的骨架。
  • Features (點位描述)：存於 features/，扁平化管理 9 個核心景點（馬太鞍、銅門等）。
  • Data (空間實體)：存於 data/，包含整合後的 KML。

⚠️ 那些讓我們「卡住」的 GIS 陷阱#

在開發過程中，我們遇到了幾個關鍵技術瓶頸，也同步修復並升級了 AI 技能手冊 (SOP S2.0)：

1. 編碼的幽靈：BIG5 vs UTF-8#

官方的 RIVERL.shp (中央管河川水系) 依然保留著 BIG5 編碼的歷史痕跡。

解決方案：在 Python 或 GDAL 處理時，強制鎖定 SHAPE_ENCODING=BIG5 是實踐河流探索的第一步。

2. 幾何碎片化與清單爆炸#

初始導出的 KML 檔案在 Google My Maps 中會出現數百條「花蓮溪」的碎片，導致左側清單無法閱讀。

解決方案：必須執行 dissolve(by='RV_NAME') 將幾何圖層物理合併，確保同名河流僅呈現為單一圖元。

📍 定位：從模糊搜尋到 API 定錨#

透過 Google Maps API 的 Place ID 注入，我們能確保點位座標達到精確對位，這對日後在現場使用 ATAK 導航與 Relive 紀錄至關重要。

🗺️ 深度探索：給 AI 代理的指令#

我們在 地圖主檔 中內嵌了完整的 Deep Research Prompt。這份指令涵蓋了：

  • 地質演化：分析花蓮溪襲奪與卑南溪的對抗。
  • 水利電力：詳述東部發電系統的開發地位。
  • 民族社會：探討馬太鞍族群開發歷史。

💡 結語：AI 代理的進化#

這次的經驗分享不只是為了記錄工具的使用，更是為了優化代理人的「認知連續性」。透過修正技能手冊，實現真正的「軟體定義地景」。

本文紀錄於 2026-04-27 花蓮溪計畫任務 [T260427-HHH03] 結案之際。