開源園藝工具 Indigene 宣布透過生成式人工智慧（Generative AI）語言模型 Claude 協作開發，打造出一套能根據環境條件推薦原生植物的網頁應用程式。該專案將程式碼完全公開，展示了 AI 工具如何協助開發者快速實現跨領域的專案構想。
這款工具不需註冊帳號即可免費使用，使用者只要輸入種植地點、日照強度與土壤條件，系統便會透過演算法計算出最適合該區域的原生植物清單。儘管目前該系統列出的 17 個支援區域中尚未包含台灣，但其開發架構與運算邏輯仍具有極高的學習參考價值。
AI 寫碼與人工審查的協同開發模式
根據專案說明，開發團隊將生成式 AI 定位在輔助寫碼與建立架構的階段。當使用者在前端操作時，應用程式是直接讀取事先整理好的資料庫並由使用者裝置進行邏輯計算，運作過程中並不需要頻繁呼叫語言模型，確保了查詢效率與穩定度。
值得注意的是，資料的正確性並未完全交給 AI 決定。開發團隊透過搜尋腳本找出潛在植物與生態關聯後，依然由專家進行人工閱讀與比對，確保原生身分、成長尺寸與養護資訊均有可靠的文獻依據，最後才結合日照、水分與土壤酸鹼值進行配對評分。
資料在地化與台灣現行替代方案
在實際測試中，若輸入台北作為查詢地點，系統雖能抓取部分區域氣候資料，但最終會顯示該地區尚無植物名單。目前 Indigene 涵蓋的 17 個地區多集中於北美、法國、紐西蘭及日本關東等地，反映出跨國生態資料集整合的困難度。
對於希望探索在地原生植物的台灣師生，目前國內已有完善的公開資料庫可供對照。例如「臺灣物種名錄（TaiCOL）」整合了豐富的學名與分類資訊，而「台灣生物多樣性網絡（TaiBIF）」則提供完整的物種分布紀錄，能作為學習環境生態與進行資料比對的最佳國產資源。
給家長與老師
這個案例為 STEM 教育提供了一個絕佳的教學切入點。許多孩子在學習寫程式時，常卡在「不知道寫程式可以做什麼」，或者因為程式語法過於繁雜而失去興趣。Indigene 展現了程式語言如何作為跨領域工具，將生物學、生態學與資訊科學緊密結合。
家長與教師可以藉此引導學生思考兩件事：第一，AI 是強大的開發助手，但不能取代專業審查。在建立資訊工具時，資料的真實性與正確性仍需依靠人的領域知識（Domain Knowledge）來把關；第二，探討資料在地化的重要性。學生可以試著思考，若想為台灣在地社群打造類似的工具，應該如何善用政府的開放資料（Open Data）如 TaiCOL，將課堂所學的程式邏輯轉化為解決在地問題的實際應用。
學習小教室
- 生成式 AI（Generative AI）：一種能透過學習大量資料，進而自動生成文字、圖像、影音或程式碼的人工智慧技術。文中的 Claude 即屬於此類工具，能協助程式設計師撰寫與修改程式碼。
- 開放原始碼（Open Source）：指軟體開發者將其編寫的程式碼公開，允許任何人自由查看、修改、複製與再散佈。通常採用 MIT 等授權條款，鼓勵全球社群共同改進與學習。
- 運算思維（Computational Thinking）：一種解決問題的思想方式。包含將複雜問題拆解、找出重複規律、抽象化關鍵資訊，並設計出一步步執行演算法的能力，如文中結合日照、土壤與氣溫等條件進行配對排序的邏輯。
常見問題
Indigene 植物推薦工具 me是如何運作的？
該工具由開發者利用 AI 輔助撰寫程式，使用者輸入種植地點與環境條件後，直接由使用者裝置讀取事先審查好的資料集並進行演算法排序計算。
為什麼 Indigene 工具目前查詢台北會顯示無資料？
該專案為開源計畫，目前僅整理涵蓋了北美、法國、紐西蘭與日本等 17 個地區的植物資料庫，台灣區域的在地植物資料尚未被建置納入。
台灣使用者有哪些在地原生植物查詢管道？
台灣使用者可透過官方推薦的「臺灣物種名錄（TaiCOL）」查詢學名與原生身分，或利用「台灣生物多樣性網絡（TaiBIF）」檢索物種分布紀錄。