GeoPulse：從地理數據迷霧到精準感知的「空間大腦」設計實錄
在 AI 密集開發的時代，我們常說 AI 是大腦，但大腦若沒有「感官」來感知現實世界的空間脈絡，它的建議就容易流於空泛。這篇文章記錄了我與 AI 代理程式（Antigravity）共同打造 GeoPulse —— 一個空間感知與導航引擎的設計經驗。 這不僅是一個技術腳本的開發，更是一場關於「如何解決雜亂大數據」與「架構落地」的實踐。 1. 發想：在地理數據的迷霧中尋找座標 作為一個長期進行河流探勘與 GIS 研究的開發者，我面臨一個典型的數位資產困境： 資產巨大且分散：幾十 GB 的政府 SHP 圖資散落在外接硬碟中（縣市界、流域圖、配水管線）。 環境斷裂：這些資料並非隨時掛載在系統內，AI 無法直接存取。 格式混亂：編碼有 CP950 與 UTF-8 的混雜，座標系則有 TWD97 與 WGS84 的轉換問題。 當我想問 AI：「我現在這個座標在哪个流域？附近有沒有我標記過的私房點？」時，AI 是盲目的。我們需要一個「空間導航核心」，讓 AI 具備地理感知的能力。 2. 架構：虛擬化優先 (Virtual-First) 的戰略選擇 在設計 GeoPulse 時，我們面臨一個關鍵選擇：要把所有資料匯入資料庫（Solidification），還是保持資料的原始性？ 為了保持靈活性與減少磁碟開銷，我們選擇了 「虛擬化優先」 架構。這套架構由三個核心組件構成： A. 資源索引員 (GIS Cataloger) 我們不強迫資料進場，而是讓腳本主動去「掃描」。它會掃描硬碟，識別所有的 .shp, .kml, .geojson 等檔案，產出一份 GIS_CATALOG.md。這讓 AI 知道我們「擁有什麼」。 B. 語義地圖 (GIS Knowledge Hub) 光有路徑是不夠的。我們透過一個 GIS_KNOWLEDGE.yaml，告訴系統每一張表的「意義」。 這張表叫 river_basin，它的座標系統是 EPSG:3826，名稱欄位在 basin_name。 這種「定義大於匯入」的做法，讓工具與圖資之間產生了透明的語義連結。 C. 空間引擎 (GeoPulse Engine) 這是最精彩的部分。我們利用 SpatiaLite 的 VirtualShape 技術，在查詢發送的瞬間，才將外部的 SHP 虛擬掛載進「具備空間處理能力」的 SQLite 內存中。 ...