從AI建議走向田間驗證：我們如何設計青江菜對照測試？

昨天，團隊成員聚在一起，討論「審時農曆」的田間測試方式。

先前我們持續整理青江菜種植過程中的施肥、用藥與安全採收規則。但系統中的規則是否真的適用於田間，不能只靠查資料或讓AI推論，仍需要透過實際種植與數據進行驗證。

因此，我們決定設置兩組青江菜進行對照測試：

實驗組：在許博士家的陽台做實驗~依照「審時農曆」系統建議，參考土壤EC值、作物生長階段、病蟲害風險、農藥登記範圍、安全採收期及作用機制輪替等條件，安排施肥與用藥。
對照組：依照農民李老闆原本的慣行方式種植，保留真實場域中的既有經驗與操作習慣。

測試期間，我們預計蒐集氣溫、濕度、土壤狀況、蟲害影像及誘捕數量，並記錄每一次施肥、用藥與採收決策。

這次測試的重點，不是急著證明「AI比農民厲害」，而是找出系統規則與農民經驗之間的差異。

如果系統建議與農民做法不同，我們會先記錄當時的環境條件、作物狀況及雙方的判斷依據，再請Gemini/Antigravity協助整理可能原因、提出待驗證假設，最後交由農改場人員或植物醫師確認，而不是直接認定哪一方正確。

我們希望透過實際數據回答幾個問題：

系統能否在維持青江菜產量與品質的前提下，減少不必要的施肥與用藥？
系統能否降低農藥殘留、抗藥性及錯誤判斷的風險？
系統提出的警示與建議，農民在現場是否看得懂、做得到？
哪些規則需要重新調整，哪些判斷仍必須交給農業專家？

下週日，我們才會前往宜蘭農田安裝錄影與感測設備，正式開始蒐集資料。

測試前非常重要的一步：先把要比較的項目、需要記錄的數據，以及發生差異時的處理方式定義清楚。
田間測試不是為了證明系統一定正確，而是主動找出它可能出錯的地方。
所有目前標示為「暫定」的數字、門檻與規則，也不會因為寫進系統就成為正式答案，仍須經農改場或植物醫師確認後，才能作為正式的施肥與用藥決策依據。

下一步，我們將整理設備清單、確認拍攝位置與資料記錄格式，為下週的現場安裝做好準備。