學習摘要

教學目的

快速開始

基礎概念

前置準備

用 Aralia MCP 執行

用 Colab 執行 SDK

自建 AI 工作流

🔌數據星球 API

Aralia OpenRAG 可以做什麼?

Aralia OpenRAG 是一個結合AI 語意識別、LLM RAG技術與 Aralia Open Ecosystem的範例頁面，呈現出藉由對話即可從Data Ecosystem中取得精準、可鑑別資料來源的數據與分析的結果。

其中仰賴到了Aralia提供的AI 工具庫完成語意的識別、資訊的查找、數據解析等功能。

請直接在下方頁面中體驗結合的成果：

1. 開啟 Open RAG Demo Site：https://openrag.dev.araliadata.io/

   https://openrag.dev.araliadata.io/

2. 在輸入框貼上這題並送出：

   Is there a relationship between the average GDP growth at purchasers' prices from 2021 to 2024 and the Gini coefficient of each state in Malaysia in 2024?
   

3. Aralia OpenRAG Demo 服務會自動啟動五個工具節點（找資料集→規劃→決定查詢條件→執行查詢→產生洞見），並回傳：

   • 找到的 資料來源清單（來自多個 Data Planet，如 SDG、UN）
   • 對齊年份與地理單位後提出分析的洞見

在上面的 AI 服務中，背後就是讓AI 理解使用者的問題，並進到Aralia 的Ecosystem來搜尋相關的insight，回應使用者的問題。

如果你想測試更多，歡迎參考下面的題目：

1. Malaysia｜GDP 成長 × Gini（2019/2021–2024）
   • What is the average GDP growth rate of each state in Malaysia in 2019?
   • Is there a relationship between the average GDP growth at purchasers’ prices from 2021 to 2024 and the Gini coefficient of each state in Malaysia in 2024?
2. 交通安全｜酒駕與事故
   • 哪個縣市在特定酒測區間（例如 0.16–0.25 mg/L）酒駕致死人數最多？請依縣市排序。
   • 六都在某酒測區間的死亡與受傷人數各是多少？
   • 酒駕致死道路類別以哪種居多？
   • 酒測 > 0.80 mg/L（或血液 >0.16%）者的平均年齡？

小技巧：提出「完整問題」

• AI 不會回頭問你補充，把問題界定清楚，能有助於 AI 更有效地找到相關的insight。
• 若不確定指標，用較「常見、明確」的統計名稱（例如 Gini coefficient），避免模糊縮寫。
• 一開始就說清楚「平均的定義」與「比較的時間點」。

題目怎麼「一次說清楚」

🧩 問題模板

Is there a relationship between <Metric A> in <Time Range A> and <Metric B> in <Time/Year B> across <Geography Level/Scope>?

範例（可直接用）：

Is there a relationship between the average GDP growth at purchasers' prices from 2021 to 2024 and the Gini coefficient of each state in Malaysia in 2024?

🧯 常見誤解（上手更快）

• 「AI 會幫我猜年份/地區嗎？」→ 不會，請在題目裡一次說清楚。
• 「AI 會自己去網路抓資料嗎？」→ 不會。它只會從Aralia Data Ecosystem查詢相關的資料集，並針對查詢結果進行解讀。
• 「我需要會寫程式嗎？」→ 不用。Colab 已把流程封裝好；進階者可看 ‣ 章節。

🙅‍♂️ 反例（不可回答）

• “Is there a relationship between GDP and Gini in Malaysia?”（缺時間、缺地理層級）
• “Compare inequality.”（缺指標定義與年份）

關於 AI 是如何達成這些成果，請參閱下面章節來掌握 AI 的關鍵知識。

← 上一章： 教學目的

下一章：基礎概念 →