tw-opendata-general — 台灣 OpenData 通用查詢
Corpus 概況
| 項目 | 值 |
|---|---|
| 總 dataset 數 | ~53,000 (data.gov.tw central + city portals) |
| 提供機關 | ~950 個 (中央部會 + 縣市 + 國營事業) |
| 品質 tier | 白金 32k / 金 14k / 銀 3k / 銅 1k |
| 17 domains (taxonomy) | health_food / education / business_economy / public_admin / transportation / agriculture / labor / environment / housing / energy / culture_arts / social_population / consumer_protection / immigration_diplomacy / legislature / judicial / economy_business |
| 觀測更新頻率 | 5,119 daily, 10,226 weekly, 24,146 monthly, 14,066 dormant (90d /changed 推算) |
| 同步策略 | /changed-based daily refresh + cadence safety nets (見 README mermaid) |
何時用本 skill
當查詢涉及 不在以下五個 specialized skill 範圍 的政府開放資料時用本 skill：
- 不在
tw-opendata-judicial(判決書) - 不在
tw-opendata-exam(國家考試) - 不在
tw-opendata-patent(專利) - 不在
tw-opendata-realestate(實價登錄) - 不在
tw-opendata-geo(地理空間)
也適合不確定哪個 skill 適合時用本 skill discover 哪個 corpus 對應。
MCP Tools
search_datasets(query, ...) — discovery
search_datasets(
query: str, # 名稱 / 描述 substring
domain: str = None, # 17 domains 任一, e.g. "health_food"
agency: str = None, # 提供機關名稱
quality: str = None, # 白金 / 金 / 銀 / 銅
update_freq: str = None, # 每1日 / 每1月 / 每1年 / 不定期更新
fmt: str = None, # CSV / JSON / XML / SHP / ...
normalised_only: bool = False, # 只回已 normalise 為 .csv 的
limit: int = 20,
)
排序：quality_tier 高優先 → metadata_updated desc。
get_dataset(dataset_id, sample_rows=3) — 看 dataset metadata + sample
get_dataset("39281", sample_rows=3)
回完整 metadata + 前 N 筆資料看 schema。
query_rows(dataset_id, where, columns, limit) — DuckDB SQL 查
query_rows(
dataset_id="124159",
where="organ ILIKE '%板橋%'",
columns=["organ", "address", "phone"],
limit=20,
)
DuckDB 跑 normalised CSV; 第一次 call 自動 lazy materialize → cache。
materialize_dataset(dataset_id) — 強制 cache warmup
materialize_dataset("39281")
force fetch + convert + cache, 不回 row, 給後續 query_rows 加速用。
list_domains() — 17 domain taxonomy
回 taxonomy: scope, exclusions, join_keys, typical questions, anchor datasets per domain。
17 Domains 速查
| Domain | 範圍 |
|---|---|
health_food | 醫療衛生、藥品、食品安全、疾病管制 |
education | 學校、招生、學生數據、教育部 |
business_economy | 商業登記、產業統計、進出口貿易 |
economy_business | 金融、證券、銀行、保險 (財政部 / 央行) |
public_admin | 政府組織、人事、公共行政 |
transportation | 交通流量、停車、公共運輸、道路 |
agriculture | 農作物、漁業、林業、農會 |
labor | 就業、薪資、勞動條件、勞工保險 |
environment | 空氣品質、水質、廢棄物 |
housing | 國民住宅、社會住宅、都更 |
energy | 油電、再生能源、電費 |
culture_arts | 文化資產、藝文活動、博物館 |
social_population | 人口、戶政、社會福利、選舉統計 |
consumer_protection | 消保、產品標示、食安 |
immigration_diplomacy | 移民、國民、外交 |
legislature | 立法院、議員、議案、表決 |
judicial | 司法系統 (判決見 tw-opendata-judicial, 此為其他相關) |
範例 query
| 使用者問題 | 對應 call |
|---|---|
| 「找衛福部疾管署 COVID 19 病例 dataset」 | search_datasets("COVID-19 病例", agency="衛生福利部疾病管制署", domain="health_food") |
| 「2024 立法委員投票紀錄」 | search_datasets("立法委員 表決", domain="legislature") → 用 ly-votes |
| 「全國國中數量」 | search_datasets("國民中學 統計", domain="education") |
| 「夏威夷豆 進口量」 | search_datasets("進口", domain="business_economy") 找海關進出口 dataset |
| 「板橋附近的稅捐稽徵所」 | query_rows("124159", where="organ ILIKE '%板橋%'", limit=10) |
| 「不知道有什麼好用的環境 dataset」 | list_domains() 看 environment → 看 anchor datasets |
最佳實踐
- 先 search, 再 get：不要直接
query_rows(id)沒 schema 知識會打錯欄位 - 白金 + 每1日 通常最有用：高品質、active maintained,
quality="白金", update_freq="每1日" - agency 全名要對：「衛福部」抓不到, 要「衛生福利部」
- domain filter 是 OR：一個 dataset 可有多 domain, 用
domain="health_food"包含主 domain = 此值的所有 dataset normalised_only=True過濾掉純 PDF/SHP/KML dataset：那些query_rows不能用metadata_updated不等於資料更新：是 catalog 描述異動時間, 真實資料異動見/changed(見 README cadence groups 設計)- dataset_id 是字串：numeric 看起來像 int, 但內部 normalise 為 str
注意事項
- 純圖像 / SHP / KML / 純 PDF 的 dataset 在本系統不支援
query_rows(在 materialize SKIP_FORMATS 內) - 部分縣市門戶 dataset (data.taipei, data.kcg.gov.tw 等) 已 mirror 在 catalog 中, 但不全
- 「機密 / 個資」相關 dataset (e.g. 個別納稅資料) 政府不會公開, 不要嘗試
與其他 skill 的關係
本 skill 是 fallback / discovery 入口, 應該:
- 先檢查使用者問題能否用 5 個 specialized skill (judicial / exam / patent / realestate / geo) 解決
- 不能 → 用本 skill 的
search_datasets找對的 dataset - 找到後可直接用本 skill 的
query_rows, 或 hint 用戶該載入哪個 specialized skill