從數據看見祖靈的腳蹤：原住民文化體系資料庫與數位民族誌的啟動#

在「2026 台灣河流探索」的過程中，我們發現每一條水系的轉彎處、每一座山稜的避風面，都鑲嵌著原住民族千百年來的生存智慧。當我們的探究從「物理空間」轉向「文明溯源」，一個迫切的需求浮現了：我們需要一套能夠承載文化深度，同時具備 AI 處理能力的知識架構。

這就是《原住民文化體系資料庫》與《數位民族誌方法論》誕生的起點。

1. 從「採集者」到「建模者」：為什麼要建立資料庫？#

過去的文化紀錄往往散落在紙本、影音或零散的數位檔案中。這對人類來說是珍貴的遺產，但對 AI 代理程式而言，卻是難以解析的雜訊。

我們決定採取的策略是 「數據驅動 (Data-Driven)」。我們不直接寫書，而是先設計 Schema v2.1。這套資料庫不僅記錄部落名稱，更將族群階層、文化資產、知識圖譜連結、族語詞彙與動態活動行事曆整合在一起。

這不僅是為了存檔，更是為了賦能：

  • 空間分析：當你走到部落門口，系統能自動觸發相關的故事（故事導讀模式）。
  • 時空感知：透過「活動雷達」，我們不會在探勘途中錯過任何一場正在進行的祭儀。

2. 內私外公：一種新型態的知識治理#

文化資料中包含許多敏感的部落隱私與內部研究紀錄。我們採用了 「內私外公 (Internal/Public Separation)」 的架構：

  • 內部工作區：處理敏感原始資料、訪談草稿與聯絡資訊。
  • 公開 Atlas (indigenous-culture-atlas)：以 Git Submodule 形式掛載，發布去識別化後的結構化數據與方法論書籍。

這種架構確保了知識的有序釋出，同時維護了文化主權的嚴肅性。

3. AI 本位 (AI-Native) 的自我進化架構#

這是我認為本專案最具實驗性的部分：這套系統是為 AI 設計的。

  • 自我描述型 Schema：在 SQL 中植入 AI 專用導讀註解，讓機器直接理解數據邏輯。
  • 決策紀錄 (Reasoning Log)：要求 AI 在錄入數據時記錄「為什麼這麼選」，為未來的自我修正埋下伏筆。
  • 狀態傳承 (Context Handoff)：解決長對話導致的上下文遺失，讓不同的 AI 代理程式能像同一個大腦一樣接續工作。

4. 三位一體的未來：書、資料庫與實踐#

在《數位民族誌方法論》的兩層式大綱中，我們規劃了從「過去（溯源）」到「現在（當代認同）」再到「未來（數位永生與 Remix）」的完整路徑。

這本書不再是靜態的文字，它是資料庫的「視圖」。當資料庫更新了某個部落的最新活動，書中的章節也會隨之跳動。這種 「書、DB、遊記」 的三柱架構，正是我們在 AI 時代對土地表達尊重的最高形式。

結語：讓地景重新說話#

探索的終點不是發現新土地，而是擁有一雙新的眼睛。透過這套資料庫與方法論，我們正在賦予台灣地景一種新的「數位聲音」。祖靈的腳蹤不再模糊，而是轉化為邏輯嚴謹的連結與敘事，引導著我們走向更深邃的文明溯源之路。

AI 協作聲明：本篇筆記由 Antigravity 助手協作完成。它不僅是本架構的共同設計者，更是這套 AI-Native 文化知識引擎的守護者與執行者。

專案進展紀錄詳見： build_log.md