智能知識問答這幾年在各個領(lǐng)域應(yīng)用非常廣泛，大家或許會有疑問，智能體要調(diào)用工具，這也算是智能體嗎？智能知識問答要調(diào)用RAG，可以被認(rèn)為是一種弱智能體。通過RAG+專業(yè)知識庫降低大語言模型的幻覺，避免“一本正經(jīng)地胡說八道”，提升專業(yè)度。因此，智能知識問答算是空間智能體的一種初階應(yīng)用。

讓我們來看一個具體場景。超圖的門戶產(chǎn)品SuperMap iPortal，融入了AI聯(lián)機(jī)幫助功能。以往，用戶在使用聯(lián)機(jī)幫助時，需要先輸入關(guān)鍵詞進(jìn)行搜索，操作相對繁瑣；而現(xiàn)在，借助智能體技術(shù)，可以直接以提問的方式獲取所需信息。

比如，詢問“如何給城市建立一個大型可視化展示平臺”，它不僅能推薦對應(yīng)產(chǎn)品，還會詳細(xì)地介紹產(chǎn)品所具備的功能和優(yōu)勢，為用戶提供參考。

再例如，用戶有一臺Linux服務(wù)器，咨詢?nèi)绾慰焖俨渴餝uperMap iPortal，它也會給出專業(yè)答案，包括如何拉取鏡像、啟動服務(wù)等等。

在SuperMap iPortal平臺中，我們提供了一種通用的專業(yè)知識庫構(gòu)建工具。借助該工具，用戶能夠自主創(chuàng)建專業(yè)知識庫。

以國土空間規(guī)劃專業(yè)知識庫的創(chuàng)建為例，我們將大量行業(yè)標(biāo)準(zhǔn)、指南等文檔作為語料輸入至大模型中，使其具備回答國土空間規(guī)劃相關(guān)問題的能力。面對較為簡單直接的背景、意義等問題，該工具可基于知識庫檢索結(jié)果輸出現(xiàn)有答案并附上參考文獻(xiàn)；面對建設(shè)路徑等深度問題，該工具亦能對知識進(jìn)行重新理解和組織，從而給出專業(yè)答案。

以不動產(chǎn)登記智能問答為為例，連云港不動產(chǎn)登記平臺支持專業(yè)水平的精準(zhǔn)問答和多輪對話，并且遇到疑難問題時，可以自動轉(zhuǎn)接人工。

工作流式智能體作為智能體的中級應(yīng)用形態(tài)，通過融合人工設(shè)計的工作流程，有效降低了大語言模型的思考復(fù)雜度。盡管其自主性相對較弱，但卻擁有較高的執(zhí)行成功率，能夠應(yīng)對較為復(fù)雜的問題，是當(dāng)前較為切實可行的應(yīng)用模式之一。

舉幾個例子：

在跨平臺桌面軟件SuperMap iDesktopX（可運(yùn)行于Linux環(huán)境）中，嵌入了智能制圖AI助理功能。用戶僅需在界面右下角的文本框內(nèi)輸入相應(yīng)指令，例如要求其依據(jù)全國人口數(shù)據(jù)制作分段專題圖，系統(tǒng)將迅速呈現(xiàn)制圖結(jié)果。

隨后，用戶還可進(jìn)一步指令生成標(biāo)簽專題圖，標(biāo)注省份名稱，或基于近年GDP數(shù)據(jù)繪制亮色系統(tǒng)計圖。相較于傳統(tǒng)的鼠標(biāo)與鍵盤操作方式，這種基于指令的制圖方法更為便捷、直觀，顯著提升了操作效率與用戶體驗。

這是智能制圖的內(nèi)部工作流程，除了可以制作專題圖，它還支持調(diào)整圖層的屬性、地圖的配置等參數(shù)。

那么，我們能不能構(gòu)建更復(fù)雜的工作流程、完成更復(fù)雜的任務(wù)？這就涉及到很多GIS軟件都具備的地理空間處理自動化功能（Geo-Processing Automation，即“GPA”）。將空間智能體與GPA結(jié)合，能高效地完成比較復(fù)雜的任務(wù)。

具體而言，任務(wù)執(zhí)行分為兩步：首先，空間智能體將傳統(tǒng)GPA人工進(jìn)行可視化建模構(gòu)建處理流程的步驟，借助空間自律性轉(zhuǎn)為自動構(gòu)建流程，將第一步的人工操作交由AI完成，人工審核確認(rèn)參數(shù)及工具；第二步，系統(tǒng)自動執(zhí)行任務(wù)。這種結(jié)合方式顯著增強(qiáng)了GPA的自動構(gòu)建能力，使其在處理復(fù)雜任務(wù)時表現(xiàn)更為出色。

以下為桌面軟件中GPA AI助理的應(yīng)用實例。該軟件界面右下角設(shè)有輸入框，用戶可在此處輸入指令，要求其導(dǎo)入F盤中的道路數(shù)據(jù)，并基于該數(shù)據(jù)構(gòu)建一條寬度為40米的道路，同時計算該道路占用各類土地的面積。

用戶發(fā)出指令后，GPA AI助理并非立即執(zhí)行任務(wù)，而是先進(jìn)行思考，進(jìn)而構(gòu)建一個GPA工作流程。用戶點擊“添加”按鈕后，工作流程即構(gòu)建完成。

隨后，用戶可對相關(guān)參數(shù)進(jìn)行檢查，確認(rèn)無誤后點擊“執(zhí)行”，系統(tǒng)隨即運(yùn)行，最終生成結(jié)果，用戶可查看道路占用的耕地面積及各類土地面積的統(tǒng)計數(shù)據(jù)。

再來看一個相對復(fù)雜的服務(wù)器軟件WebGIS中AI助理的應(yīng)用實例。我們指定構(gòu)建一個土地適宜性評價模型，該模型需利用DEM數(shù)據(jù)進(jìn)行坡度和坡向計算，同時結(jié)合土壤質(zhì)地數(shù)據(jù)，構(gòu)建一個GPA模型。

經(jīng)過思考，AI助理構(gòu)建出該模型，我們將數(shù)據(jù)配置妥當(dāng)，之后啟動運(yùn)行，運(yùn)行結(jié)束后再查看運(yùn)行結(jié)果。這便是工作流式智能體的應(yīng)用過程。

WebGPA工作流式智能體的內(nèi)部邏輯如下，它要去不斷地循環(huán)迭代，構(gòu)建一個比較復(fù)雜的工作流程。

下面我要介紹一個內(nèi)置空間智能體的新產(chǎn)品——SuperMap TransformX（空間數(shù)據(jù)轉(zhuǎn)換處理軟件）。

SuperMap TransformX有以下特性：

一是支持點對點的數(shù)據(jù)格式轉(zhuǎn)換。例如，當(dāng)需要將SuperMap之外的兩個軟件的數(shù)據(jù)格式進(jìn)行轉(zhuǎn)換時，以往使用超圖的桌面軟件通常需要分兩步操作：首先將a數(shù)據(jù)導(dǎo)入SuperMap，再將SuperMap中的數(shù)據(jù)導(dǎo)出為b格式，這一過程較為復(fù)雜。而SuperMap TransformX能夠直接將a數(shù)據(jù)轉(zhuǎn)換為b軟件的格式，實現(xiàn)高效的點對點轉(zhuǎn)換；

二是在數(shù)據(jù)格式轉(zhuǎn)換過程中，可同步進(jìn)行空間分析和處理。例如，用戶可以同時進(jìn)行投影系轉(zhuǎn)換、Overlay操作以及數(shù)據(jù)拆分等操作。此外，SuperMap TransformX還支持可視化建模和自動化執(zhí)行，類似于GPA的功能。

三是具備廣泛的硬件和操作系統(tǒng)兼容性，不僅支持傳統(tǒng)的X86架構(gòu)CPU，還支持ARM 架構(gòu)及其他類型的CPU，并兼容多種操作系統(tǒng)。

SuperMap TransformX的定位包括以下三個方面：其一，作為空間數(shù)據(jù)遷移工具；其二，作為空間數(shù)據(jù)治理工具之一；其三，作為FME的升級替代工具。

以下是SuperMap TransformX的一個界面，分為深色系和淺色系，中間也是一個構(gòu)建工作流程框，可以自動執(zhí)行非常復(fù)雜的工作任務(wù)。

SuperMap TransformX之所以能替代FME，是因為它不僅具有豐富的空間數(shù)據(jù)處理轉(zhuǎn)換功能，還擁有全面的跨平臺兼容性，支持華為鯤鵬、飛騰等ARM架構(gòu)指令集芯片，及涵蓋龍芯、海光、兆芯等國產(chǎn)處理器。

此外，它兼容各類國產(chǎn)操作系統(tǒng)與數(shù)據(jù)庫，同時對開源數(shù)據(jù)庫及操作系統(tǒng)提供支持，也兼容國外主流商業(yè)基礎(chǔ)軟硬件。

在SuperMap TransformX中進(jìn)行數(shù)據(jù)轉(zhuǎn)換與處理時，界面右下角設(shè)有輸入框。用戶可在此處指定將一個三維模型文件與一個二維數(shù)據(jù)導(dǎo)入系統(tǒng)。

處理流程包括首先執(zhí)行坐標(biāo)轉(zhuǎn)換，隨后將二維數(shù)據(jù)中的屬性賦予三維模型。構(gòu)建好整個流程并檢查參數(shù)無誤后，即可執(zhí)行。執(zhí)行完成后，導(dǎo)入的模型將攜帶二維數(shù)據(jù)的屬性，整個過程實現(xiàn)了一體化處理。

自主規(guī)劃式智能體的工作邏輯如下：首先進(jìn)行任務(wù)規(guī)劃，隨后生成任務(wù)并執(zhí)行第一步。執(zhí)行完成后，系統(tǒng)將重新規(guī)劃，再次生成任務(wù)并執(zhí)行第二步。每執(zhí)行一步，系統(tǒng)都會評估結(jié)果，以優(yōu)化下一步的執(zhí)行策略。這一過程會循環(huán)進(jìn)行若干次，直至任務(wù)完成。

與工作流式智能體相比，自主規(guī)劃式智能體具有更高的自主性，用戶無需構(gòu)建流程，系統(tǒng)會自行思考并規(guī)劃任務(wù)執(zhí)行方式。然而，目前自主規(guī)劃式智能體的執(zhí)行成功率相對較低，這主要源于大語言模型在思考和調(diào)用工具方面的局限性。盡管如此，自主規(guī)劃式智能體仍被視為一種高級應(yīng)用模式。

相比之下，工作流式智能體在任務(wù)執(zhí)行成功率和應(yīng)用落地性方面表現(xiàn)更為出色，是一種較為成熟的中間過渡形態(tài)。而自主規(guī)劃式智能體的進(jìn)一步發(fā)展和完善仍需持續(xù)探索和研究。

在此演示三個例子：

第一個，是利用SuperMap iPortal門戶產(chǎn)品中的AI助理開展三維建模與分析。具體任務(wù)如下：以房屋建筑數(shù)據(jù)資源中的高度字段作為拉伸高度，以tTexture字段作為頂面紋理貼圖，以sTexture字段作為側(cè)面紋理貼圖，從而拉伸出三維模型。隨后，利用新生成的三維模型場景，在松一小區(qū)26號樓、高度86米的位置設(shè)置觀察點，設(shè)定觀察距離為600米，水平視角為90度，垂直視角為60度，開展可視域分析。

該任務(wù)被分解為兩個步驟：第一步，構(gòu)建白模與紋理貼圖；第二步，執(zhí)行可視化及可視域分析。盡管整個流程看似簡單，僅包含兩步操作，但對于大模型而言，這一過程仍具有相當(dāng)?shù)膹?fù)雜性。

第二個例子包含更多步驟：首先，利用鄉(xiāng)村土地利用的影像數(shù)據(jù)集進(jìn)行地物分類；接著，計算其中4類地物的占地面積；最后，繪制一個環(huán)狀統(tǒng)計圖。當(dāng)我們將指令輸入系統(tǒng)后，系統(tǒng)便開始進(jìn)行迭代思考。

在解析出幾類地物之后，系統(tǒng)在執(zhí)行第二步思考的同時，還可以操作可視化的縮放功能。完成面積計算之后，第三步是繪制圖表。這一過程包含三個步驟，相較于前一個例子，稍顯復(fù)雜。

能不能做更復(fù)雜的？我們再看一個例子：分析北京市小學(xué)和行政區(qū)劃數(shù)據(jù)，統(tǒng)計各行政區(qū)內(nèi)各小學(xué)數(shù)量并制作分段專題圖；告訴我哪個行政區(qū)內(nèi)小學(xué)數(shù)量最多，并列出這個行政區(qū)內(nèi)的小學(xué)的清單；分析這些小學(xué)周邊5千米范圍內(nèi)的住宅均價，查看該區(qū)域?qū)W區(qū)房均價地圖。

我們也試了幾次，因為這種復(fù)雜場景的自主規(guī)劃任務(wù)很難一次成功，要不斷地修改提示詞。我們來看它執(zhí)行的結(jié)果，第一做匯總分析，查找范圍內(nèi)有多少個小學(xué)的點，查出來點后做分段專題圖，然后做統(tǒng)計分析，最后再做鄰近分析，統(tǒng)計小學(xué)周圍的房價，形成一個符號專題圖。這5個步驟在我們看來可能比較簡單，但是對目前的智能體說還是蠻復(fù)雜的，它可以讓我們擺脫復(fù)雜的軟件操作，讓AI幫我們思考。

以上是我們提供給大家的三種智能體能力，如果落到具體的行業(yè)里，我們該怎么用智能體去解決行業(yè)的問題？能不能夠定制一個行業(yè)智能體或者特殊應(yīng)用場景的智能平臺？

這就涉及到一個今天發(fā)布的另一個新產(chǎn)品：空間智能體服務(wù)平臺——SuperMap AgentX Server。

SuperMap  AgentX  Server在SuperMapGIS云邊端產(chǎn)品體系里，屬于云GIS服務(wù)器產(chǎn)品。

以下簡要介紹相關(guān)內(nèi)容。在大語言模型方面，我們接入了千問系列和DeepSeek系列。綜合測試結(jié)果顯示，這兩個模型在當(dāng)前階段表現(xiàn)較為出色。其中，經(jīng)過我們的測試，千問系列（Qwen）在調(diào)用工具方面的成功率較高，而DeepSeek系列在推理邏輯方面表現(xiàn)更為優(yōu)異。

在架構(gòu)的第三層，我們將SuperMap GIS和遙感能力封裝為一種標(biāo)準(zhǔn)接口，命名為“MCP服務(wù)”。行業(yè)擴(kuò)展同樣基于MCP服務(wù)進(jìn)行封裝，從而實現(xiàn)對Agent技術(shù)本身不具備的能力的調(diào)用與擴(kuò)展。

剛才我們提到目前自主規(guī)劃式智能體的任務(wù)執(zhí)行成功率不是很高，那么執(zhí)行成功率取決于什么？取決于三個因素，體現(xiàn)為三個“率”。

第一個是意圖識別準(zhǔn)確率，即能不能理解我們想要做的事；第二個是工具調(diào)用準(zhǔn)確率，即能不能準(zhǔn)確找到調(diào)用工具；第三個是工具的完備率，即是不是具備完成任務(wù)所需的工具。

假設(shè)平均每一個部分成功率為80%，這三個80%乘起來成功率就小很多。但是我們也在想辦法去提高各部分的成功率。

首先我們微調(diào)了大語言模型來提升意圖識別準(zhǔn)確率和工具調(diào)用準(zhǔn)確率。我們把千問做了一些微調(diào)，使意圖識別準(zhǔn)確率提升1-12個百分點、工具調(diào)用準(zhǔn)確率提升1-9個百分點。每提升一個百分點都很難，我們后面還會用其它方式進(jìn)一步提高準(zhǔn)確率。

在工具完備度上，我們在SuperMap GIS里面封裝了一些 MCP工具，包括我們跟華為聯(lián)合開發(fā)的一個開源空間數(shù)據(jù)庫——禹貢，我們封裝了一些MCP服務(wù)。在

SuperMap iServer MCP工具中，共接入了200多個算子；在SuperMap iPortal門戶產(chǎn)品里，接入了60多個算子，我們以后還會不斷迭代和完善MCP的工具數(shù)量。

那么在行業(yè)應(yīng)用中，遇到我們沒有的業(yè)務(wù)功能怎么辦？我們用第三方擴(kuò)展的方式，把業(yè)務(wù)API封裝成MCP Server，然后把它注冊到SuperMap AgentX Server里，如此我們的SuperMap AgentX Server便可以去理解和調(diào)用業(yè)務(wù)工具，來實現(xiàn)行業(yè)擴(kuò)展。

我們來看一個例子，接入高德的MCP服務(wù)，結(jié)合本地數(shù)據(jù)和功能聯(lián)合去完成一個任務(wù)。

第一步注冊高德MCP服務(wù)；第二步輸入指令：我要去北京參加大會，幫我查一下北京地鐵線路分布；第三步查一下北京市國家會議中心和故宮博物院兩個坐標(biāo)點的位置，這是本地數(shù)據(jù)的計算；第四步把本地數(shù)據(jù)的兩個坐標(biāo)點傳送給高德，讓它去做一個地鐵的路線規(guī)劃（這只是個演示，這些任務(wù)高德都可以做，我們說這個演示就是為了說明外部的MCP能力可以接入進(jìn)來，與SuperMap GIS能力互補(bǔ)）。

SuperMap AgentX Server平臺具備以下三大特點：其一，支持多類智能體，涵蓋知識問答式、工作流式以及自主規(guī)劃式三類空間智能體；其二，支持二次開發(fā)，在服務(wù)器后端可擴(kuò)展MCP服務(wù)，在前端可定制應(yīng)用界面，并將其嵌入業(yè)務(wù)系統(tǒng)；其三，支持跨平臺，兼容英特爾X86芯片、華為鯤鵬ARM芯片等多種運(yùn)行環(huán)境。

以下簡要介紹SuperMap AIF地理空間AI技術(shù)底座的最新進(jìn)展。去年，我們發(fā)布了基礎(chǔ)底座，其能夠在各類軟件中實現(xiàn)AI能力的共享。下文中以紅字標(biāo)注的部分，即為此次升級的具體內(nèi)容。

第一項優(yōu)化是基于AI的建筑自動單體化三維建模：去年，我們的建模支持已達(dá)到LOD2.0級別，涵蓋坡屋頂結(jié)構(gòu)，但尚未實現(xiàn)側(cè)面紋理的精準(zhǔn)貼合。今年，我們已完成紋理映射技術(shù)的升級，可實現(xiàn)側(cè)面紋理的精確貼合，進(jìn)一步提升了建模的真實感與細(xì)節(jié)表現(xiàn)。

第二項是AI紋理修復(fù)，我們在建模的過程中會有一些樹擋住建筑，可以通過AI來修復(fù)三維建模紋理，從而解決三維模型紋理遮擋問題，通過修復(fù)前后對比可以看出，優(yōu)化效果較為明顯。

第三項優(yōu)化是在遙感影像處理技術(shù)方面，我們對AI影像匹配技術(shù)進(jìn)行了升級。去年，我們推出了AI影像匹配算法，與傳統(tǒng)算法相比，該算法能夠匹配更多的同名點，成功率顯著提高。

今年，我們進(jìn)一步優(yōu)化了這一算法，使得匹配的同名點數(shù)量進(jìn)一步增加。特別值得一提的是，在沙漠、密林等難以匹配的區(qū)域，該算法能夠更加穩(wěn)定地實現(xiàn)影像匹配。

第四項是相比去年，對遙感影像處理中DSM算法做了AI方面的進(jìn)一步升級，可以讓右圖高架橋的輪廓更加清晰。

第五項，在山區(qū)地區(qū)，基于新的算法，右圖山脊線更加清晰。

第六項為遙感智能解譯功能的優(yōu)化。我們新增了若干預(yù)訓(xùn)練模型，涵蓋備受關(guān)注的光伏板、道路等要素，對影像超分辨率技術(shù)也提供了相應(yīng)的算法支持。此外，建筑物變化檢測作為新推出的預(yù)訓(xùn)練模型，以“開箱即用”的模式為用戶帶來便捷。

這是超分辨率重建的效果展示。經(jīng)過超分辨率重建處理后，原始影像的清晰度顯著提升。

然而，當(dāng)我們進(jìn)一步放大圖像進(jìn)行觀察時，左側(cè)的圖像若用于地物檢測，其目標(biāo)識別難度較大，邊界線不夠清晰；而中間的圖像在清晰度和邊界線的明確度上則有顯著改善，表現(xiàn)更為出色。

第七項升級是支持對SAR影像的目標(biāo)檢測。

第八項優(yōu)化涉及去年發(fā)布的地物分類大模型——SuperMap LIM地物分類大模型，去年的模型參數(shù)量為1億，而今年的參數(shù)量增至5億，各項指標(biāo)與精度均有所提升。

下圖從左到右依次是：傳統(tǒng)監(jiān)督分類模型、去年的1億參數(shù)規(guī)模大模型、今年的5億參數(shù)規(guī)模大模型，我們可以看到建筑物的識別精準(zhǔn)很多。

在探討是否進(jìn)一步擴(kuò)大參數(shù)規(guī)模的過程中，我們曾考慮將參數(shù)量從5億提升至10億甚至20億。然而，在與部分研究成果進(jìn)行對比分析后，我們發(fā)現(xiàn)，當(dāng)使用相同的公開數(shù)據(jù)集進(jìn)行測試時，模型精度的提升并不顯著。

基于此，我們判斷，單純增加參數(shù)規(guī)模對于模型性能的提升作用有限。因此，我們決定探索其他方法來進(jìn)一步提高模型的準(zhǔn)確度。

第九項是AI規(guī)劃生圖的優(yōu)化。去年，我們發(fā)布了AI規(guī)劃生圖，它確實能夠顯著提高生產(chǎn)效率。

今年，我們新增了基于白模生成渲染圖的功能，該功能通過將二維建筑物矢量面拉伸生成白模，進(jìn)而生成三維渲染圖。用戶在選擇參數(shù)和效果后，即可等待生成的結(jié)果。

最終，系統(tǒng)會提供兩個方案供用戶選擇。與傳統(tǒng)的手工繪制渲染圖相比，這一功能的效率大幅提升，能夠在幾十秒內(nèi)完成出圖。

去年，我們將空間AI技術(shù)的發(fā)展與AI的成熟度模型進(jìn)行了對標(biāo)。具體分級如下：L1級為初始級，略優(yōu)于無經(jīng)驗者；L2級為熟練級，超越了50%的熟練者；L3級為專家級，超越了90%的熟練者；L4級為大師級，超越了99%的熟練者；L5級為超人級。

目前，像AlphaZero處于L5級，而AlphaGo處于L4級。專業(yè)的空間AI目前大多處于L2和L3級別。

那么，空間智能體處于何種成熟度呢？知識問答式智能體尚未完全達(dá)到L3級，尚不能解決90%的問題，但后續(xù)將通過迭代進(jìn)一步發(fā)展；工作流式智能體目前處于L2級水平；自主規(guī)劃式智能體仍處于L1級，其成功率有待提高，但一旦成功，將帶來諸多驚喜。

以下簡要闡述這三類智能體的現(xiàn)狀與展望。

知識問答式智能體雖能力有限，無法直接采取行動，但其應(yīng)用范圍廣泛，未來仍將延續(xù)其存在，并有望成為復(fù)雜智能體的重要組成部分。

自主規(guī)劃式智能體具備較強(qiáng)的自主規(guī)劃能力，盡管目前尚未成熟，但其迭代速度有望加快，且被視為最終理想的智能體形態(tài)。

工作流式智能體則處于過渡階段，在自主規(guī)劃式智能體尚未成熟之際，它能夠承擔(dān)任務(wù)且成功率相對較高。待自主規(guī)劃式智能體發(fā)展成熟后，工作流式智能體可能會逐漸淡出歷史舞臺，但在某些特定場景下，它或許仍將得以保留。

從宏觀角度來看，智能體主要分為三大類：通用水平智能體、領(lǐng)域水平智能體以及垂類智能體。

通用水平智能體，例如近期備受關(guān)注的Manus和扣子空間，具備廣泛的適用性；超圖的空間智能體則屬于領(lǐng)域水平智能體，其優(yōu)勢在于能夠跨行業(yè)應(yīng)用；此外，還有針對特定行業(yè)的垂類智能體，如自然資源、水利、住建、交通和文旅等領(lǐng)域，均可基于底層的水平智能體構(gòu)建相應(yīng)的行業(yè)垂類智能體。

空間智能體技術(shù)重塑了GIS的應(yīng)用范式，這一新的應(yīng)用范式可概括為“三自”：自然交互、自主思考、自動執(zhí)行。

自然交互是一個螺旋式上升的過程，最早的GIS采用命令行交互，對使用者要求極高，需熟悉成百上千的命令，且參數(shù)輸入需精準(zhǔn)無誤，否則無法運(yùn)行。Windows出現(xiàn)后，GIS升級為圖形界面交互，通過菜單和工具欄操作，降低了使用者要求，但仍較為復(fù)雜。而自然交互則更為簡便，只需發(fā)出指令，系統(tǒng)即可執(zhí)行，極大地提升了用戶體驗。

新的范式究竟意味著什么？舊的范式要求我們既需精通業(yè)務(wù)，又要熟練操作軟件。對于像GIS這樣復(fù)雜的軟件系統(tǒng)來說，熟練掌握操作并非易事。因此，通常需要兩人協(xié)作：領(lǐng)導(dǎo)負(fù)責(zé)理解業(yè)務(wù)并發(fā)出指令，信息中心的工程師則負(fù)責(zé)操作軟件，依據(jù)領(lǐng)導(dǎo)的意圖完成任務(wù)。任務(wù)完成后需提交給領(lǐng)導(dǎo)審核，若不符合要求還需修改，往往需多次往返才能完成任務(wù)，耗時較長。

而新的范式則只需用戶會提出需求，無需深入了解軟件操作，系統(tǒng)便能自動執(zhí)行任務(wù)。領(lǐng)導(dǎo)在終端發(fā)出指令后，后臺信息中心的機(jī)器隨即開始計算。若計算結(jié)果不符合預(yù)期，只需調(diào)整提示詞重新計算，迭代效率大幅提升。這無疑是未來理想的應(yīng)用場景，我們可逐步推進(jìn)其落地實施。這一切，僅僅是開始。

今年被視為智能體發(fā)展的元年，但我們有理由預(yù)見，在未來3到5年的時間跨度內(nèi)，空間智能體有望開啟GIS軟件應(yīng)用的新紀(jì)元，并將對我們的工作方式產(chǎn)生革命性的變革。