CURADORIA DE DADOS ABERTOS
Curadoria de Dados Abertos
Um guia da camada de sentido para os dados abertos de Taiwan × Twinkle Hub
A plataforma de dados abertos do governo de Taiwan reúne mais de cinquenta e dois mil conjuntos de dados. Esse número sobrecarrega quem realmente quer usá-los: não se sabe quais importam, até quando cada um é atualizado, quais duas tabelas podem ser cruzadas, muito menos como tudo isso se relaciona com as perguntas que lhe interessam.
O Taiwan.md escreveu mais de mil e cem artigos sobre Taiwan, e por trás de cada um há um juízo: que dados deveriam verificar isto? Esta página abre essa camada de juízo: como avaliamos a infraestrutura de dados, quais conjuntos combinar (e como) ao analisar uma pergunta e a quais histórias desta ilha cada domínio de dados se conecta.
A rede abaixo é real: à esquerda, 20 domínios de dados e cinco corpora verticais (a partir do rastreamento do Twinkle Hub); à direita, os artigos do Taiwan.md já escritos. Cada linha é um juízo de curadoria feito nesta página. Arraste e passe o cursor para ver dados confusos se ligarem a histórias claras.
O mapa do ecossistema: três camadas, cada uma com seu papel
Para que uma IA (ou uma pessoa) responda de verdade a perguntas sobre Taiwan, três camadas precisam funcionar juntas: a casa dos dados, o caminho das consultas e a camada de sentido.
data.gov.tw e sistemas dos órgãos
A plataforma de dados abertos do governo é a identidade permanente de cada conjunto: ID do conjunto, termos de licença, órgão competente, downloads brutos. Toda citação deve, em última instância, remeter a este ponto.
Twinkle Hub
O primeiro hub MCP de Taiwan, que reúne dados espalhados por centenas de portais do governo em um único ponto de consulta: busca semântica, consultas estruturadas por linha e ferramentas para cinco domínios verticais. A IA obtém os dados em uma chamada, sem a maratona manual entre portais.
Taiwan.md
Dados não falam por si. Qual conjunto merece ser apontado, que afirmação ele verifica, a que trecho da história se liga — isso é trabalho de curadoria. Desde junho de 2026, nossos artigos ganham, um a um, seções de "Dados públicos" que costuram a narrativa aos dados brutos.
Avaliação em três dimensões: o que encontramos em testes práticos
A seguir, a avaliação de primeira mão do Taiwan.md como usuário, feita com nossas próprias ferramentas de verificação (duas rodadas de testes, em maio e junho de 2026), organizada em três dimensões. Isto não é propaganda; é um check-up.
Completude dos dados
- ✓ data.gov.tw itself lists 52,556 datasets as of 2026-10-23; Twinkle Hub's site shows 53,185 for Taiwan (self-curated sets included), plus 135,000 government e-procurement records and Legislative Yuan data (counted 2026-06)
- ✓ Each of the 20 domain categories comes with 'typical questions' and anchor examples; every dataset is tagged with a quality tier (platinum to bronze), update frequency, format, and joinable keys
- ✓ Self-curated datasets patch holes in the government portals: nationwide real-price registration (sales / pre-sale / rentals) connects straight to the Ministry of the Interior's Land Administration systems
- ✓ Five vertical corpora go beyond simple mirroring: patent full texts, national exam question banks, court judgments, drug licenses, and food nutrition (scale detailed in the next section)
- △ Search ranking skews toward county-level slices: a query for 'birth rate' returns county datasets for Nantou, Taoyuan, and Kaohsiung, and a human has to pick out the national-scale one — exactly why curation exists
- △ There is no way to query the dataset count per domain, so any inventory has to lean on officially claimed figures
- △ Some older datasets remain in un-normalized ODS format and cannot be queried as structured rows
Estabilidade
- ✓ Measured query latency under 100ms on cache hits; every response carries a trace_id and cost fields — good transparency
- ✓ Version numbers are embedded in tool descriptions (v1.11.2 aggregate queries, v1.18 judgments), so the iteration cadence stays visible
- ✓ The judgment corpus explicitly labels its alpha scope (about 1.24 million records, 2024-05 through 2026-03) — marking boundaries clearly is more honest than pretending to be complete
- △ Two API interface changes within two months: between 2026-05-11 and 06-10, the connection moved to a session handshake, the tools were reorganized from 40 down to 21, and an entire set of deterministic tools was retired
- △ Rate limiting (HTTP 429) has already appeared during alpha, but the limit window is unpublished
- △ Our countermeasure: a thin wrapper layer isolates interface changes, and article citations are always written as static pointers, never depending on the API at runtime — the way any alpha service should be integrated
Simplificação de acesso
- ✓ One MCP endpoint replaces hundreds of government portals: a four-step flow of search, metadata fetch, row query, and aggregation, with a consistent field schema
- ✓ Structured row queries support SQL conditions and aggregation; normalized datasets can be used directly as a database
- ✓ A question spanning one address, one year, and one administrative district used to take 15 to 30 minutes of manual cross-checking across three to five portals; now it is a single call, under a second
- ✓ One-click install packages plug Claude, Cursor, and ten-plus other AI clients straight in — the friction of 'making Taiwan's data readable to AI' has been cut by an order of magnitude
- △ Requires an API key (bearer token); free during alpha, with per-tool pricing planned — whether a free path will always exist is a question the open data ecosystem should keep asking
- △ The service itself is closed-source: the data is open, the channel currently is not. Raw downloads from data.gov.tw remain the fallback path that bypasses any gateway
Cinco corpora verticais: a parte que vai além do espelho
Embrulhar conjuntos de dados numa interface de busca não tem nada de especial; estes cinco domínios verticais acrescentam recuperação semântica e extração estruturada — a parte do Twinkle Hub que vai além de ser um "espelho do data.gov.tw".
Patentes
Consultas em linguagem natural sobre o corpus de patentes, com descrições técnicas e reivindicações completas. Ao escrever sobre as indústrias de Taiwan, a pergunta "esta empresa realmente detém essa tecnologia?" pode, pela primeira vez, ser verificada por busca semântica.
Concursos nacionais
Provas do Ministério dos Exames ao longo dos anos, pesquisáveis até o nível da questão. A cultura dos concursos públicos de Taiwan — a febre do emprego no setor público, as ruas de cursinhos — é uma história que ninguém contou ainda com dados.
Sentenças judiciais
Recuperação em linguagem simples sobre o corpus de sentenças. Para artigos sobre o Judiciário, disputas trabalhistas e conflitos de aluguel, a pergunta "como os tribunais decidem na prática" agora tem uma porta de entrada verificável.
Medicamentos e saúde
Registros de medicamentos, campos estruturados das bulas, certificações de alimentos saudáveis e triagem preliminar de interações. A camada factual para artigos sobre o Seguro Nacional de Saúde e a medicina.
Nutrição de alimentos
A base de composição nutricional dos alimentos do Ministério da Saúde e Bem-Estar: mais de vinte nutrientes por ingrediente, ordenáveis por nutriente e somáveis por refeição. A base numérica para artigos sobre mercados noturnos e gastronomia.
As barras de magnitude usam escala logarítmica: o corpus de sentenças é 17 vezes o de registros de medicamentos, e um gráfico linear esmagaria as outras quatro barras até a invisibilidade.
Receitas de análise: que dados usar, e como combiná-los, para entender uma coisa
Este é o coração da página. Cada cartão é uma pergunta de análise real: que conjuntos usar, que chaves os unem, com que método lê-los e qual artigo já transformou a análise em história.
Justiça habitacional: as casas baratas que o governo construiu — quem acabou enriquecendo com elas?
Como combinar: Align by administrative district and housing complex name: allocation records tell you what price the government sold at back then, real-price registration tells you what the same address is worth today, and the social housing statistics give the volumes after the shift from selling to renting.
Melhor forma de analisar: Build a time series for the same complex, then segment it by policy milestones: allocation sales in 1985, the resale wall coming down in 2002, rent-only-no-sale in 2016, Taoyuan's return to selling in 2026. The appreciation multiple divided by the years elapsed is the slope of the 'asset escalator'.
Transição energética: a energia nuclear caiu a zero e foi religada — o que aconteceu nos números?
Como combinar: Generation performance gives annual output and capacity factors; the unit table gives each reactor's decommissioning date. Align the two tables by year, then overlay the referendum and policy milestones.
Melhor forma de analisar: Draw an annual capacity-factor curve and mark the three referendums (2018, 2021, 2025): how the curve descends to zero, and whether a single number moves within a year of each vote — the time lag between 'political decisions' and 'physical reality' surfaces on its own.
Finanças do Seguro Nacional de Saúde: quem usa, quem contribui e por quantos anos mais o sistema se sustenta?
Como combinar: Enrollment counts by age bracket yield the structural ratio of those who pay to those who use; the minutes give the timeline of premium-rate decisions; the subsidy statistics show the implementation side of ability-to-pay.
Melhor forma de analisar: Turn the age-structure ratio into a quarterly series and overlay the premium-rate decisions: the structure keeps deteriorating while the rate stays put, so what fills the gap (budget injections, point values, copayments)? Every 'maintain without adjustment' in the minutes has a corresponding cost entry.
Qualidade da democracia: qual o tamanho do eleitorado de cada eleição e quão intensa é a fiscalização?
Como combinar: Voter counts give each election's electorate; the conviction statistics give the yearly conviction volumes for vote-buying and election interference. Both slice by county and align with election results.
Melhor forma de analisar: Build an 'electorate × conviction rate' pairing for each election cycle and compare enforcement intensity across cycles. The 2026 round adds AI disinformation as a new enforcement focus — establish the baseline for the two traditional categories (vote-buying, interference) first, so the scale of the new threat has a frame of reference.
Economia de rua: como foi realmente calculada a produção de 230.000 barracas de ambulantes?
Como combinar: The five-year census by DGBAS (Directorate-General of Budget, Accounting and Statistics) gives the national vendor population (stall counts, workers, revenue); the county registries give the roster of night markets officially recognized by government.
Melhor forma de analisar: Cross-census comparison is the key: five-year changes in stall counts and revenue, set against mobile-payment penetration and tourist arrivals. When the next census lands, every article citing the 233,000-stall figure should come back and reconcile.
Segurança viária: o que liga 14 milhões de motonetas a três mil mortes por ano?
Como combinar: Vehicle registrations give the denominator (exposure); crash casualties give the numerator. Use the long county-level series (24 years for Taoyuan) as the methodological template first, then extend to other counties.
Melhor forma de analisar: Don't stop at absolute death counts — normalize to casualties per 100,000 vehicles, computed separately for scooters and cars; the 'pedestrian hell' debate needs exactly this denominator.
Vinte domínios de dados × o mapa de histórias do Taiwan.md
À esquerda, as categorias de domínio do Twinkle Hub (a partir do rastreamento); à direita, nosso mapeamento de curadoria: a quais artigos desta ilha os dados de cada domínio se ligam. Nos domínios marcados como "História ainda não escrita", os conjuntos principais e os caminhos de análise estão totalmente curados, mas o artigo não foi escrito: é o nosso mapa de desenvolvimento e um convite aberto a quem quiser escrevê-lo.
不動產與地政
realestate_land 土地、建物、房屋、都市計畫、地價、建照使照、不動產交易、租金
Perguntas típicas: 某地段近一年實價中位數;某學區內近期使用執照核發數;都市更新案件清單
經濟、產業、公司商業
economy_business 營業/公司/工廠登記、產業統計、進出口貿易、景氣/物價指數、金融市場、上市櫃公司、公平交易
Perguntas típicas: 某統編公司歷史登記變更;本月某產業景氣燈號;某產業上市公司營收
政府採購與補助
procurement_subsidy 招標/決標公告、補助案件、獎助、政府支出予個人
Perguntas típicas: 某廠商近五年得標金額;某機關本月補助清單
Como analisar: Join award records to business registrations via the unified business number: which agencies a supplier has won how much from over the years. Plot a heatmap on three axes — amount, agency, year — and the geography and networks of public spending surface on their own.
政府預決算與會計
public_finance 中央/地方總預算、會計月報、附屬單位預算、債務、國庫、主計統計
Perguntas típicas: 某機關歷年預算趨勢;中央政府公共債務餘額
稅務與稅收
tax_revenue 綜合所得稅、營業稅、地價/房屋/牌照稅、稅捐稽徵、申報核定統計
Perguntas típicas: 某縣市本月稅收結構;某稅目歷年實徵淨額
Como analisar: Break each county's net collections down by tax category: who lives on land value and house taxes (metro areas), and who lives on centrally allotted funds (everywhere else). Align with population and housing-price data via administrative district codes, and the fiscal autonomy ranking computes itself.
交通運輸、道路與停車
transport 車禍事故、公車/客運/捷運/鐵路/航班、停車場、即時路況、油價、車籍、道路設施
Perguntas típicas: 某路口近一年事故數;即時公車到站;本市公有停車場剩餘車位
治安、警消與災防
public_safety 刑案、警政、消防/救護、災害示警、地震/颱風/淹水、海巡、110/119
Perguntas típicas: 本市本月詐騙手法統計;即時災害示警;消防救護案件
司法、法務、矯正與裁罰
judicial_legal 法院判決、檢察偵查/起訴、矯正/監所/受刑人、訴願、政府機關裁罰名單
Perguntas típicas: 某公司被金管會裁罰歷史;某地檢偵查終結概況
立法院/國會
legislature 立法院議案、法律提案、表決、公報、質詢、發言、IVOD 影音索引、立委個人資料、選區、會議記錄。
Perguntas típicas: 某委員第N屆提了哪些法案;某黨團對 X 議案的表決傾向;某議題在公報的歷次發言
醫療、衛生、食品與藥物
health_food 醫事機構、健保特約、藥局、藥品/食品許可、疫情、長照、母嬰親善、食安
Perguntas típicas: 住家附近健保藥局;某藥品/醫材許可資訊;近期傳染病通報
環境、氣象、生態與水文
environment 空品 AQI、河川水質、雨量、水庫、廢棄物回收、林班、生態保育、噪音、碳排
Perguntas típicas: 今日本區 AQI;某河川水質歷史;本市資源回收成果
教育與科研
education_research 各級學校、教師/學生統計、補習班、圖書館、科研計畫、專利、學位論文
Perguntas típicas: 某學區學校清單;某學校歷年學生數;某機構研究專利
農林漁牧
agriculture_fisheries 農產交易、畜牧場、漁港/漁船、農藥/肥料、農會、養殖、畜產統計
Perguntas típicas: 某果菜市場今日交易行情;某縣畜牧場分布
勞動與就業
labor_employment 違反勞動法令、薪資、職缺、職業訓練、勞退/勞保、職災
Perguntas típicas: 某雇主違反勞動法令紀錄;某產業薪資中位數
社會福利、戶政、人口、選舉與公務人事
social_population 人口/戶籍/出生/死亡/結婚/離婚、低收入戶、身心障礙、原住民/新住民、選舉投票、公務員人事
Perguntas típicas: 某選區歷次得票結構;某縣身心障礙人口;本市本月人口變動
文化、觀光與體育
culture_tourism_sport 景點、博物館、古蹟、寺廟、活動行事曆、體育場館、運動賽事
Perguntas típicas: 本週某縣市活動;某博物館館藏
外交、領事與兩岸
foreign_affairs 外交部公告、領事/簽證/護照、駐外館處、兩岸貿易/政策/案件、僑務、國際合作、新南向、邦交國
Perguntas típicas: 某國家近年我國進出口金額;近期外交部聲明 / 兩岸政策談話;簽證 / 護照申辦規定;駐外館處清單與聯絡資訊
政府公告與檔案
gov_publication 機關新聞稿、公報、最新消息、電子公布欄、公文範本、檔案目錄、施政方針、資訊公開申請、公共政策參與
Perguntas típicas: 本週某機關新聞稿;行政院公報全文檢索;某類公文 / 表單範本;政府資訊公開申請統計
Como analisar: Build keyword time series of regulatory changes from gazette full texts, then set them against the Legislative Yuan records in the legislature domain: the time gap between administrative announcements and the legislative trail is the real speed at which a policy takes effect.
地理底圖(橫向層)
geo_basemap 行政區界、村里界、門牌、坐標、路網、河系、土地利用
Perguntas típicas: 作為其他資料集的 join 來源;空間查詢
能源、水電瓦斯與電信(橫向層)
utilities_telecom 電力供需、加油站、自來水、瓦斯、再生能源、電信與寬頻、無線網路
Perguntas típicas: 即時電力負載;某行政區自來水水質;某地加油站清單
Metodologia de junção: as chaves que alinham duas tabelas
Um conjunto de dados isolado é um ponto; só a combinação forma uma rede. Estas são as pistas de junção mais úteis que nossos testes encontraram.
Frequência de atualização = resolução da análise: o espectro dos quinze conjuntos de exemplo
Cada ponto é um conjunto citado nesta página; passe o cursor para ver o nome. Antes de desenhar uma análise, veja em qual ponta do espectro seus dados estão.
Códigos de divisão administrativa
The most universal join key. Standard codes for counties, cities, townships, and districts let population, housing prices, crashes, and tax revenue align onto one map; identically named districts (two Xinyi Districts) are disambiguated by code.
Números de cadastro empresarial
A company's ID card. Business registrations, procurement awards, patent filings, and penalty lists all carry the unified number — it is how you trace a company's complete footprint.
Coordenadas e códigos de estação
Environmental data (air quality, water quality, weather) hangs off monitoring stations; geographic data hangs off coordinates. Converting between these and administrative district codes is step one of any spatial analysis.
Níveis de qualidade
The platinum-to-bronze tiers are a quick screen for 'can this dataset be used as-is': platinum ones are mostly normalized and queryable as structured rows; untested ones (like the self-curated real-price registration) you verify yourself.
A frequência de atualização é a resolução da análise
Monthly data supports event studies, yearly data only trends, five-yearly data (the vendor census) only cross-period comparison. Check the frequency before designing the analysis, not the other way around.
O princípio do duplo ponteiro
When Taiwan.md articles cite a dataset, the link always points to data.gov.tw or the competent authority's persistent page, with the query layer (Twinkle Hub) as a parallel value-added path. Keep the data's home and the query path separate, and a change in either layer never breaks the chain.
Catálogo de ferramentas: a lista completa das 21 ferramentas
Obtido diretamente do endpoint MCP (o último rastreamento bem-sucedido está registrado no rodapé). O agrupamento é nosso.
Quarteto central de conjuntos de dados + índice de domínios ×5
-
search_datasetsSearch Taiwan government open datasets (台灣政府開放資料 / data.gov.tw / -
get_dataset取得資料集完整 metadata 與樣本資料列。 -
query_rows讀取已 normalise 資料集的實際列;支援聚合查詢(v1.11.2+)。 -
materialize_dataset強制下載並轉換指定資料集(若已 cache 則為 no-op)。 -
list_domains列出全部 19 個 domain 標籤的定義(key、中文名、scope、典型問題、anchor 範例)。
Patentes ×2
-
search_patents以自然語言查詢 TIPO 發明專利公開案 corpus (data.gov.tw dataset 15992, -
get_patent_body取得單一專利的完整 description body (技術領域 / 先前技術 / 實施方式)
Concursos nacionais ×3
-
search_exam以自然語言檢索台灣國家考試試卷 (dataset 170565,考選部,OGDL). -
search_exam_questions以自然語言 + (可選) 關鍵字過濾, 檢索國家考試題目級別. -
get_exam_paper取得單一國考試卷的全部題目 + 標準答案 (測驗題).
Sentenças judiciais ×2
-
search_judicial以白話 + (可選)關鍵字 / 結構化過濾,檢索台灣判決書 corpus. -
get_judicial_full取單一判決書完整 metadata + JFULL + T3 抽出欄位 (若已處理).
Medicamentos e códigos médicos ×6
-
lookup_icd10ICD-10-CM 中文版查詢 (衛福部健保署翻譯 v2023, data.gov.tw 177507). -
search_drug衛福部食藥署 全部藥品許可證 search (data.gov.tw 9122, 71,836 件). -
get_drug_details取單一藥品許可證的全 28 欄詳細 (data.gov.tw 9122). -
search_health_supplementsTFDA 健康食品許可證 (data.gov.tw 6951, 562 件). -
search_drug_label搜 twinkle-ai/tw-drug-labels-vision (CC-BY-4.0, ~72k 藥品仿單) 結構化欄位. -
check_drug_interaction初步篩查多藥品之間的交互作用 — naive substring scan over each
Nutrição de alimentos ×3
-
query_food_nutrition衛福部 台灣食品營養成分資料 (data.gov.tw 8543, 226,825 行). -
search_foods_by_nutrient依單一營養素排行食物 (per 100g) — 衛福部食品營養成分 dataset 8543. -
analyze_meal_nutrition給定一頓餐 (食物名 → 克數), 算總營養成分.
Artigos já ligados à camada de dados
Desde junho de 2026, estamos acrescentando uma seção "Dados públicos" ao final dos artigos: cada uma lista os conjuntos que poderiam verificar (ou desmentir) as afirmações do artigo, com uma linha explicando por que cada indicação está ali. O primeiro lote tem seis artigos:
O Twinkle Hub está em fase alfa, e a avaliação desta página será atualizada conforme ele evolui. O Taiwan.md não tem atualmente nenhuma relação comercial com o Twinkle Hub; esta página é o check-up de primeira mão de um usuário intenso — e um convite: só quando a camada de dados e a camada de sentido trabalham juntas Taiwan pode ser compreendido por inteiro.
As listas de ferramentas e domínios desta página foram rastreadas com sucesso pela última vez em 2026-06-10 · hub.twinkleai.tw · data.gov.tw