Hammerspoon

最近兩天，我跟我的 AI 夥伴 (Antigravity) 泡在 Travel-Advisor-HUD 這個專案裡。目標很單純：讓我的行車助理不再只是「唸出路名」，而是像個真正懂我的「私人導遊」。 在兩天的密集對話中，我們經歷了幾次關鍵的「卡關」與「破繭而出」，這幾個點我覺得是開發地理感知型 AI (Geographic AI) 最迷人的地方。 🚀 什麼是 Travel Advisor HUD？ 這是一個跨裝置的行車助理系統：由 Mac 負責背景運算與大腦邏輯，iPad 則作為沈浸式視覺看板 (HUD)。它能感知你的位置、速度與航向，並結合你過去在 WalkGIS 筆記中的內容，由 Gemini 生成具備人文厚度的即時導覽。 🧩 關鍵卡關與突破 1. 沉重的 Geopandas 與「資料主權」的執念 一開始，我們想用 Python 的 Geopandas 來處理鄉鎮邊界 (SHP) 的空間對位。但在路測邏輯中，Geopandas 顯得過於笨重，且我有一個堅持：「資料主權」。 我不想為了讓 AI 讀數據，就把我珍貴的 walkgis.db (私有筆記) 或內政部的圖資檔案搬來搬去、轉檔轉去。 突破點：我們轉向了 SpatiaLite (SQLite 的空間外掛)。 心得：透過 ATTACH DATABASE 直接掛載原始 DB，並用 VirtualShape 虛擬映射 SHP 檔案。資料「原地不動」，但查詢卻是極速的 SQL 指令。這讓「資料主權」與「運算效能」在這一層完美的對位了。 2. 從「歡迎」到「盤點」的內容層次 原先的導覽很死板：進入新縣市就唸一段 Wiki 簡介。但開車的人真正需要的是：「這裡有沒有我以前記過的東西？」 卡關：AI 雖然強筆強大，但如果你不給它具體的「本地上下文」，它只會說些漂亮但空泛的廢話。 突破點：「行政區點位盤點 (Township Inventory)」機制。 心得：在跨越邊界的瞬間，系統自動在背景先發動一次空間點名，把該鄉鎮內所有關於我的私有筆記 POI 抓出來，做成摘要餵給 Gemini。當 AI 說出：「歡迎來到橫山，這裡有您之前筆記過的內灣車站喔…」時，那種「它真的懂我」的導覽感才算真正建立。 3. Hammerspoon 的定時器與動態設定 Hammerspoon 雖然穩定，但預設的定時器是靜態的。如果我在開車中想調整檢查頻率（比如從 5 分鐘改成 1 分鐘），以往我得停下車，打開 Mac、改代碼、Reload Config。 ...

在開發 AI 應用的過程中，起初我並非直接針對「與 AI 對話」的體驗進行設計，而是希望能有一套自動化工具的支援，來 Offload (卸載) LLM 的使用負擔。但在開發過程中，意外地發展出一套極其高效的自動化開發與探勘環境，這就是 「2+1 快手」 的由來。 這不只是一套腳本，而是一種重新定義「自動化卸載」的設計哲學。 1. 原來的問題：如何讓 LLM 專注於高價值工作？ 在與 LLM 深度協作時，我發現如果所有事情都丟給模型處理，不僅成本高昂，且許多重複性的環境感知、資料檢索與動作執行工作，LLM 的表現並不穩定。 我需要一種「感官化」的自動化中樞，它能幫 LLM 處理掉繁瑣的物理邊界問題（例如：座標在哪、現在是什麼環境），讓模型專注於最後的語義合成與意圖判斷。 2. 架構說明：三位一體的演化架構 「2+1」的核心在於兩個強大的底層工具（Hammerspoon 與 Fabfile），以及一個最方便的 人機界面 (Just)： A. 第 1 核：感官與執行 (Sensory & Actuator) - Hammerspoon 這是系統的「神經末梢」與「執行器」。 物理觀察：Hammerspoon (HS) 負責持續監控物理世界的數據，如座標系統 (GPS)、航向、速度。 本能反應：當「大腦」下達指令，HS 負責執行最終的物理行動（如呼叫系統語音播報或切換 UI）。 B. 第 2 核：邏輯中樞 (Intelligence) - Fabfile 這是系統的「重型中樞」，承載著最耗資源的運算與邏輯。 AI 智力與資料對齊：調度 Gemini 執行深度邏輯判定，並與現有的本地資料庫進行檢索對齊。 它負責將感官層傳來的原始數據，轉生為具備價值的決策或內容。 C. 那個關鍵的「+1」：數位本能 (Interface) - Just 這是我目前覺得 最方便 的核心。 本能化封裝：Just 在這裡扮演了關鍵的 +1 角色。它將複雜的 HS 與 Fab 運作，封裝成人類可以直覺呼叫的「短指令」。 能力的最終成果：Just 不只是通訊協議，它代表的是「能力的最終產出」。使用者不需要理解底層如何連動，只需記住一個簡單的縮寫即可發動複雜的異質系統連動。 3. 運行優勢實證：三劍客的聯動威力 透過「2+1」架構，幾個關鍵的自動化場景得以實現： ...