從口述到發布：我如何用 NotebookLM + Antigravity 打造極速內容生產線
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。
Posts
All posts
系統整合太難？試試看「AI 代理人網絡 (A2A)」的新解法
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。
如何用 GenAI 複製專家思維？從「知識庫」到「行為模擬」的四個步驟
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。
大甲溪散步地圖：SQLite Schema 設計 (AI 友善 WKT 版本)
散步地圖資料庫 Schema 設計 (AI 友善版)# 導言# 本文件旨在闡述為「大甲溪散步地圖」專案設計的 SQLite 資料庫 Schema。此設計特別考量了 GenAI 協作 (Agentic Workflow) 的需求，選擇使用標準的 WKT (Well-Known Text) 格式來處理地理空間資料，取代依賴性較高的 SpatiaLite 二進位格式。這確保了從資料蒐集、AI 處理到 QGIS 呈現的過程中，資料具有最高的可讀性與移植性。 ...
社區 GIS 圖層分類學：通用型分類架構參考
社區 GIS 圖層分類範例與資料類型# 在進行社區地圖繪製或 GIS 資料庫建置時，一個完善的圖層分類架構能幫助我們更有系統地收集與管理資料。以下是整理出的通用型 layer_type (主分類) 和 layer_subtype (次分類) 建議列表，您可以參考這些架構來填充 layers 表格，作為散步地圖的分類依據。 ...
專案計畫：大甲溪散步地圖資料建構 (Data Collection Plan)
把理論帶進現場：大甲溪地圖建構計畫# 承襲先前整理的[〈散步地圖的概念與應用〉]({< relref “20251213_walking_map_concept.md” >})，我們決定利用這次 2026 年 1 月的大甲溪探險，進行實地的資料蒐集與圖層建構。 ...
散步地圖的概念與應用：從移動軌跡看見在地紋理
什麼是「散步地圖」？# 在我們進行河流探索時，地圖不僅是導航的工具，更是一種「策展」的媒介。 散步地圖的核心概念，是透過地圖串聯更多的協力與情報，並利用群眾的移動軌跡描繪出有意義的資訊。這與我們強調的公私協力、開放資料精神不謀而合。 ...
實驗紀錄：使用 GDAL 進行大甲溪流域 1km 緩衝區萃取與合併
本實驗使用 GDAL/ogr2ogr 工具，從中央管河川區域 Shapefile 中萃取大甲溪河流範圍，解決 Big5 編碼篩選問題，進行 1 公里緩衝分析 (Buffer)，並透過 SQL ST_Union 合併多個圖層特徵，最終產出 KML 檔案。
實驗紀錄：使用 Fabric 封裝 Gemini CLI 提升 AI Agent 協作效率
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。
實驗紀錄：取得河川流域 Shapefile 圖資並轉換為 KML 匯入 Google My Maps
本實驗記錄了從政府開放資料平台取得水利署河川流域 Shapefile 資料，並將其中「大甲溪」流域資料篩選後，使用 GDAL/ogr2ogr 工具轉換為 Google My Maps 支援的 KML 格式的完整過程。