孩子们的“喜欢”和“好奇”是最好的学习起点。通过观察身边的生物，拍照记录，研究并整理它们的特征，结合生成式AI技术，可以将这种探究学习方式进一步拓展。
本文以散步时发现的蘑菇为例，介绍如何利用生成式AI工具Claude和知识管理平台Notion，制作属于自己的数字蘑菇图鉴。整个过程涵盖信息收集、核实、整理，直至以网站形式发布分享。
用AI整理拍摄的蘑菇照片，能做成图鉴吗？
今年的梅雨季异常漫长，早晚遛狗时常常遇到雨天。某天在公园树根下发现了一朵大蘑菇，惊讶于“东京也有这样的蘑菇”，随手用手机拍了下来。
此后，每次发现蘑菇都会拍照，甚至外出时也不例外，手机里积累了不少蘑菇照片。
“这是不是之前拍过的种类？”
“它叫什么名字？”
“如果吃了会怎样呢？”
虽然现场会查些资料，但大多只是查完就结束。于是萌生了一个想法：“用AI做一本属于自己的蘑菇图鉴怎么样？”
整理照片，查找蘑菇的特征和种类，积累信息，如果能做成网站发布，日常的蘑菇记录就能变成一本图鉴。于是这次尝试结合生成式AI“Claude”和AI工作空间“Notion”，实现“观察”“整理”“发布”的一体化流程。
用Claude Cowork整理照片
首先用Claude的“Cowork”功能整理拍摄的蘑菇照片。
Cowork不仅能通过聊天回答问题，还能协助信息收集、资料制作和数据整理等多项任务，自主推进工作。这次设置了读取蘑菇照片，识别种类和特征，整理后上传到Notion数据库，并发布成网站的流程。
Notion是一个云端信息管理平台，支持笔记、文档、图片等多种信息的集中管理，也能创建表格数据库。这次用它来存储蘑菇照片、名称、特征、拍摄日期等数据，作为图鉴的数据库。
先将散步时拍的照片保存到桌面新建的文件夹，接着打开Claude，选择“新聊天”中的“Cowork”。
输入指令：
“导入文件夹内新增图片，识别蘑菇种类，整理后上传Notion数据库，制作‘东京蘑菇图鉴’网站，同时生成英文版。每周日9点检查文件夹，有新增则更新，最新图片排在最前。”
Claude根据指令自动规划任务流程，过程中会询问确认细节，用户选择即可。
设置好流程后，只需将新照片放入文件夹，Cowork便会自动整理更新。聊天内容会被整理成任务，方便后续编辑和执行。
用Notion构建蘑菇信息数据库
Claude整理的蘑菇信息会存入Notion数据库。
Notion不仅能保存笔记、文档和图片，还能为每条信息添加日期、标签等字段，方便后续检索、排序和筛选。支持多种视图切换，如列表、日历、看板等，灵活展示数据。
虽然Notion本身就能公开内容，但这次将Notion作为信息“存储和管理”的平台，网站则作为“展示”的窗口，便于对蘑菇图鉴的呈现方式进行优化。
设计要求不复杂，比如用星级表示稀有度，将同一地点拍摄的同一蘑菇合并成一张卡片，支持中英文切换等，Claude都能很好实现。以下是完成的网站效果。
注意拍摄地点信息的处理
照片中若含有GPS定位，可能会精确定位拍摄位置。尤其是家附近拍摄的照片，公开时需谨慎。可在AI指令中添加“只公开省级信息”或“只公开市区级信息”等限制，控制位置公开的精度。
人与AI分工，打造“成长型研究”机制
整理照片、汇总拍摄时间地点、提取特征、查阅资料分类……这些细致工作是观察和探究不可或缺的，但耗时较长。
利用Claude Cowork搭建好流程后，只需拍摄新蘑菇照片存入文件夹，Cowork每周自动检查，整理种类候选、特征及食毒信息，更新Notion数据库。
当然AI信息不一定完全准确，需人工核对，补充查证，回看实拍照片，修正内容。
本次图鉴制作中，人机分工如下：
- 人负责“发现”
- AI负责“整理”
- 人负责“确认与修正”
- AI负责“发布”
此机制不限于蘑菇，也适用于昆虫拍摄、喜欢的列车记录、花期整理、河边石头分类、云形观察、收集井盖、Minecraft建筑记录等各种兴趣。
基本流程简单：拍照→AI整理信息并提炼要点→存入Notion等平台→网络公开成图鉴。
持续积累记录，专属数字图鉴逐渐成长。暑假自由研究也能从“提交即结束”变成可持续更新的“成长型研究”，每年新增发现，打造个人知识档案。
AI图像识别虽有局限，学习潜力广阔
制作蘑菇图鉴的体验让人再次意识到AI图像识别的局限。蘑菇种类繁多且外观相似，单凭照片难以准确判别。部分种类需显微镜观察孢子才能确定，甚至有许多食毒性尚未明确。
AI擅长从照片中给出种类候选和整理特征，但无法断言“绝对是该种”，仅供参考。尤其蘑菇，即使AI提示“可能可食”，也绝不可据此采摘食用。
但未来充满期待。随着全球积累更多照片、生长环境和特征数据，AI判别准确度将提升。研究者与公众知识结合AI，将极大拓展自然观察和学习的可能性。
你会尝试吃AI判定“可食用”的蘑菇吗？
