許多工程師在接觸生成式 AI 時，習慣將其視為寫程式的助手或知識庫，但 AI 的真正價值在於如何將「非結構化的現實世界」轉化為「可執行的計畫」。以 Google Search 近期推出的園藝功能為例，我們可以觀察到 Google 如何將視覺辨識、空間分析與結構化計畫整合進搜尋流程中，將傳統的資訊檢索轉變為實務的解決方案。
將 AI 模式轉化為空間視覺化工具
在面對實體空間規劃時，最困難的是將想像中的設計對應到實際環境。Google Search 的 AI Mode（AI 模式）允許使用者上傳空間照片並提供環境參數，例如朝向或日照時間。
這在技術脈絡上是將電腦視覺（Computer Vision）與大型語言模型（LLM）結合。使用者不再是搜尋「陽台如何佈置」，而是提供一個具體的上下文（Context），讓 AI 在理解空間限制（如南向陽台、午後強光）的前提下，給出具體的佈置建議。這將搜尋行為從「尋找通用答案」提升到了「獲取客製化方案」。
利用 Canvas 建立結構化管理計畫
對於複雜的長期任務，單純的對話式 AI 容易產生資訊碎片化。Google 引入的 Canvas 工具（一種側邊欄編輯界面），旨在解決 AI 輸出內容難以長期維護與編輯的問題。
以制定年度園藝計畫為例，使用者可以要求 AI 生成包含月份任務、伴生種植圖表以及作物輪作策略的專業指南。Canvas 的重要性在於它提供了一個結構化的工作區，讓使用者能將 AI 生成的草案視為一個可編輯的文檔，而非一次性的對話紀錄。這對於需要精確時間線與邏輯關聯的工程實務或生活管理至關重要。
從混沌園藝看 AI 的創意生成能力
近期流行的一種趨勢是 Chaos Garden（混沌園藝），這是一種打破傳統整齊行列、隨意散播花草蔬菜的種植方式。這類需求無法透過傳統的關鍵字搜尋獲得最佳解，因為它涉及美學與生態的平衡。
透過 AI Mode，使用者可以輸入自己的環境限制（如半遮蔭、空間有限），讓 AI 扮演專家角色，推薦適合的種子組合與種植策略。這證明了 AI 在處理「模糊需求」時的強大能力，能將抽象的風格概念轉化為具體的執行清單。
整合在地供應鏈與即時庫存
搜尋的終點通常是獲取實體資源。Google 透過 Shopping 篩選器的 nearby（附近）功能，將數位資訊與實體店面庫存連結。
更進一步的是，AI 現在能協助處理繁瑣的確認工作，例如透過 AI 自動撥電話詢問店家的即時庫存。這解決了電商資訊延遲的痛點，將 AI 的能力延伸至實體世界的 API 互動，讓使用者能快速完成從計畫到採購的閉環。
Search Live 與 Lens 的即時問題診斷
當植物出現病徵時，使用者很難用文字精確描述葉片的顏色或斑點形狀。這時 Lens（視覺搜尋工具）與 Search Live（即時視覺對話）就變得至關重要。
Lens 解決了「無法用文字描述」的問題，透過圖像識別快速定位問題。而 Search Live 則引入了多模態（Multimodal）的即時互動，使用者可以一邊對著植物拍攝，一邊與 AI 進行來回對話，詢問如「現在應該修剪掉感染的葉子嗎？」等連續性問題。這種即時反饋機制將 AI 從一個靜態的百科全書，變成了一個隨身攜帶的技術顧問。
總結與啟發
這套流程展示了 AI 產品設計的演進：從單純的文字檢索，到視覺分析，再到結構化計畫的生成，最後落實到實體資源的獲取與即時診斷。對於開發者而言，這提醒我們在設計 AI 應用中，提供足夠的上下文（Context）以及將對話轉化為可編輯的結構化成果（如 Canvas），才是提升使用者體驗的關鍵。
來源：blog.google
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。