59 lines
8.1 KiB
Markdown
59 lines
8.1 KiB
Markdown
# 开发简介
|
||
|
||
## 主要功能
|
||
|
||
灵图LinkTool是一个基于大模型上下文协议的自然语言驱动地理信息应用通用智能体，该智能体深度融合模型上下文协议（MCP）、自然语言交互接口与ArcGIS Pro地理处理工具库。面对用户地理处理任务需求时，LinkTool能够分析用户需求实现ArcGIS Pro与多源服务之间的无缝连接，实现“任务理解—工具选择—参数配置—动态修正”决策流程。用户可随时查看分析进度、修改参数、重复执行或终止任务，操作过程具备完整可回溯性与100%工程复现率。
|
||
|
||
## 创新特色
|
||
### 功能层面
|
||
|
||
- 全面兼容多类MCP服务协议\
|
||
LinkTool已成功对接MCP服务，包括Python脚本执行器、Bing搜索、高德地理编码与路径规划、本地文件系统管理等，形成一个一站式GIS智能生态枢纽。该机制支持在任务执行过程中动态调用多源异构服务，不仅可以补全用户未提供的关键参数（如路径规划中获取实时路况、POI点位信息等），还能将外部数据自动注入GIS分析流程中，从而提升数据完整性、增强任务鲁棒性，真正实现平台间数据与功能的深度融合。
|
||
- 自主规划空间分析任务流程\
|
||
传统的GIS操作依赖用户手动规划工具调用顺序，面对多步骤的综合分析任务时，往往需要反复试错与参数调整，费时费力。本项目通过将提示词工程与知识检索增强生成（RAG）技术深度集成于GIS任务链中，实现了类人类的“任务理解—工具选择—参数配置—动态修正”决策流程，赋予插件“理解意图、自主拆解任务、组合工具、自动执行”的能力。\
|
||
用户只需用自然语言描述分析目标（如“分析某区域的道路密度与交通公平性”），插件便能自动生成任务规划，调用相关工具链，执行包括空间叠加、属性筛选、字段计算、图层导出等操作，形成完整的地理信息分析闭环。经过实测，LinkTool在处理复杂GIS分析任务时，整体效率相比人工操作提升约1.5~2倍，且分析效果在匿名评审中接近人类专家水平，显示出智能体执行流程的高可靠性与专业性。
|
||
- 基于矢量、栅格及网络数据结构的各类空间分析操作\
|
||
可以调用地理处理软件的上千个工具
|
||
- 地理处理工具执行过程可视与可控\
|
||
地理人工智能（GeoAI）应用中常存在“黑箱化”问题，用户难以理解模型中间推理逻辑与数据处理路径。本项目通过“任务可视化+结果可追踪”的架构设计，构建了智能体操作全过程可视化机制：每一次工具调用都以卡片形式展示执行细节，包括工具名称、输入参数、操作对象与处理结果，并将中间分析成果实时叠加显示于ArcGIS Pro地图视图中。\
|
||
用户可随时查看分析进度、修改参数、重复执行或终止任务，操作过程具备完整可回溯性与100%工程复现率，有效解决传统GeoAI系统中“看不懂、调不了、复现难”的问题。例如在坡度分析任务中，用户可以直观查看坡度图分布与工具配置参数，实现从数据输入到结果分析的全过程掌控。
|
||
- 知识库调用\
|
||
能够访问内置的四大地理信息处理知识库，知识库已经进行了切片和向量化嵌入，模型可根据实际需要自拟关键词句进行知识库检索
|
||
### 应用层面
|
||
- 地理信息科学教学能力\
|
||
可以实现对空间数据的统计、分析、可视化及基于数据内容的智能问答。通过深度融合自然语言交互与GIS工具链能力，本项目为GIS教学科研应用提供了高效、便捷的创新解决方案。其应用场景广泛覆盖自然资源管理、城市规划等多个领域，具备极强的实用性与推广潜力。通过展示地理思维过程与推演逻辑，项目将充分体现大语言模型技术在地理信息科学教学科研实践中解决实际问题的核心价值。
|
||
|
||
- 智能化自动化数据分析与处理\
|
||
面对重复繁琐、多工具调用的复杂地理处理任务，传统的模型构建器和 Python 脚本虽能实现自动化，但其编写和调试本身耗时耗力，且缺乏灵活性。LinkTool 突破了这一局限，通过其自然语言驱动的智能体核心，实现了"零代码"的智能自动化。用户只需用日常语言描述任务，LinkTool 即可自主理解、规划并执行多达十几个甚至更多的工具链，将原本数小时的"搭积木"或"写代码"过程，缩短至数分钟的自然对话，效率提升数倍。
|
||
#### 案例展示
|
||
##### 市政道路数据快速提取
|
||
>用户需求：在海珠区内从广州塔到中山大学怎么走，根据路名把广州道路数据中相应的要素导出来。
|
||
|
||
实现过程：
|
||
1. 坐标定位：调用高德MCP获取广州塔与中山大学的精确坐标。
|
||
2. 路线规划：通过高德MCP获取驾车路线（途经滨江东路等7条道路）。
|
||
3. 数据筛选：自动调用ArcGIS Pro的MCP工具完成【按属性选择】等操作。
|
||
4. 成果输出：导出选中道路要素至指定Geodatabase数据库，生成操作报告。
|
||
|
||
优势体现：
|
||
我们对案例按照传统方法进行分析并与LinkTool作了对比。按照传统的GIS应用分析理论，操作员需要对道路数据进行复杂的清洗、拓扑检查、属性完善，随后通过构建GIS网络数据结构进行网络分析，使用迪杰斯特拉算法求解最短路径，实际用时2～3小时；即使操作员代码能力较强，通过代码请求高德API的方式实现需求也需要大约1小时，而使用LinkTool仅凭一句话即可联动多源时空数据，将完成时间压缩至10分钟左右。基于MCP协议LinkTool可以大批量调用相关工具，进而可快速完成生成OD成本矩阵等进一步的空间分析操作，大大提升了科研效率，使科研工作者节约数据收集、爬取与数据库建立、录入、结构化的时间，从而更专注于GIS算法的核心技术和理论的研究。
|
||
##### 社区交通设施公平性科研分析
|
||
>用户需求：以村（社区）为单位分别分析海珠区建筑和道路集聚情况，通过建筑密度和道路密度分析海珠区各村（社区）的交通设施公平性。
|
||
|
||
实现过程：
|
||
1. 密度计算：自动调用SummarizeWithin工具计算各社区建筑密度，综合PairwiseIntersect和CalculateGeometry工具统计道路密度。
|
||
2. 空间分析：生成莫兰指数计算代码，调用arcpy.stats.SpatialAutocorrelation工具，自动分析建筑/道路密度的空间集聚性。
|
||
3. 匹配度评估：通过CaculateField自动生成交通匹配度，即道路密度/建筑密度，读取要素类属性表识别失衡区域并进行总结，提出政策建议。
|
||
|
||
优势体现：
|
||
1. 提升科研效率：将以往需要科研人员花费数日进行的复杂空间统计（包括数据清洗、累计超过30个工具调用、结果解读与报告撰写）简化为30分钟左右的指令操作。
|
||
2. 教学赋能：操作零门槛，非专业人员无需掌握arcpy语法即可完成专业的空间统计，更好理解空间自相关等地理信息科学理论。
|
||
|
||
##### 外业调查点位筛选
|
||
>用户需求：请按照以下步骤要求提取出土壤类型可能发生改变的区域：将国土三调土地利用类型图（2020）和二普土壤图进行空间叠加分析，筛选出水改旱和旱改水地块。水改旱是土壤二普土壤图上土壤类型为水稻土，国土三调土地利用类型图上土地利用方式为旱地、园地、林地、草地的地块；旱改水是土壤二普土壤图上土壤类型为非水稻土，国土三调土地利用类型图上土地利用方式为水田的地块。当国土三调十地利用图斑与土壤二普土壤图重叠比例超过50%，将整块地类图斑提取出来，重叠比例不足50%的舍弃。将集中连片的相邻图斑做融合归并处理。对于边界之间距离小于10m的图斑，使用GIS聚合面功能进行归并。筛选出面积大于50亩的地类为早地、果园、茶园、林地草地等的图斑提取出来（总结自《第三次全国土壤普查技术规程规范（修订版）》）。
|
||
|
||
|
||
|
||
|
||
|