分類 AI 下的文章

OSM 的隱藏陷阱 - 以 λ 指數修正志願者貢獻偏差

本篇要講述的是台中 OSM 建築數量 2018→2025 增長 392%，但其中有多少是真實建設、多少是社群回填？本篇提出一個可量化、可控制修正強度的 λ 偏差修正指數。

關於 OSM 其中的 392% 增長，有多少是真的？

先來檢視台中市 OSM 數據 8 年的原始增長：

年份	OSM 建築物總數	設施	商店	休閒
2018	16,926	1,015	408	30
2019	12,771	1,207	466	32
2020	16,117	1,520	541	39
2021	18,500	1,599	534	47
2022	24,973	1,640	590	49
2023	41,055	1,762	647	57
2024	47,584	1,874	690	59
2025	50,208	1,921	705	61

採樣點 500m 範圍內的「平均建築數量」更為顯著——從 2018 年的 27.6 棟，增至 2025 年的 136 棟，+392.1%。

- 閱讀剩餘部分 -

CodeGraph 實戰心得：用「地圖導航＋精確搜索」提升 Claude Code 程式碼理解效率

以下將 codegraph 納入實際項目運作查看使用效益

$ (py3.10) D:\OlgCase\RS\HXXR_3>codegraph init

┌  Initializing CodeGraph
│
◆  Initialized in D:\OlgCase\RS\HXXR_3
|
|  * Scanning files - 2,371 found
|  * Parsing code - done
|  * Resolving refs - done
│
◆  Indexed 2,371 files
│
●  69,568 nodes, 192,594 edges in 53.1s
│
└  Done

- 閱讀剩餘部分 -

用 OSM 打造城市空間指標：從歷史快照抓取到 500m 緩衝區七大指標計算

Jkeeper
2026-07-07
CV
0 則評論

在項目開始之初爲什麽選 OSM 而不是政府開放資料

做城市量化分析時，第一個問題永遠是「資料從哪來」。選項通常有三類：

來源	優點	缺點
政府開放資料（國土測繪、CPA 建照）	權威	各年版本不一致、API 不穩、跨城市格式差異大
商業 GIS（Google / HERE）	完整	商用授權昂貴、無歷史快照
OpenStreetMap（OSM）	免費、全球統一 schema、可拉歷史	由社群貢獻、覆蓋率隨時間變動

- 閱讀剩餘部分 -

CodeGraph 深度解析：codegraph.db 資料庫結構完整拆解（Nodes、Edges、索引與觸發器）

Jkeeper
2026-07-04
LLM,AI
0 則評論

這篇延續上一個 CodeGraph 的深度解析數據庫

在上一篇文章CodeGraph 安裝與使用教學：整合 Claude Code、Cursor、Codex 的程式碼圖譜工具中資料如下：

(py3.10) D:\Git\mitagent>codegraph status                                                                                                                                                                                                                                   
CodeGraph Status                                                                                                                                                                                                                                                            
Project: D:\Git\mitagent                                                                                                                                                                                                                                                    
Index Statistics:                                                                                                                                                                                                                                                           
  Files:     25                                                                                                                                                                                                                                                             
  Nodes:     423                                                                                                                                                                                                                                                            
  Edges:     982                                                                                                                                                                                                                                                            
  DB Size:   1.26 MB                                                                                                                                                                                                                                                        
  Backend:   node:sqlite - built-in (full WAL)                                                                                                                                                                                                                              
  Journal:   wal

- 閱讀剩餘部分 -