「你看着这张图，告诉我这是哪。」——这句话人类说很简单，丢给AI却是个技术陷阱。

Jan Tschada在Esri的开发博客里扔了个炸弹：一套地理空间AI工具，核心就两个Python函数，analyze_image和analyze_text。没训练模型，没搭流水线，纯靠提示词工程让AI看懂卫星图。这路子太野了，野到值得拆开看看。

打开网易新闻 查看精彩图片

一张图的技术野心

整个系统藏在platform.py里。Tschada没画架构图，但代码自己会说话。

第一步是抓图。不是随便截图，是从ArcGIS World Imagery服务按坐标精确导出。关键在这行：

bbox = f"{map_view.extent['xmin']},{map_view.extent['ymin']},{map_view.extent['xmax']},{map_view.extent['ymax']}"

导出的PNG带着地理坐标。每个像素都有经纬度户口，这是后续一切的前提。

第二步流式下载，8KB分块读，防内存爆炸。朴实，但生产环境必备。

第三步反地理编码。把像素中心点转成人类地址：「Port of Jebel Ali, Dubai, UAE」。这个地址不是给人看的，是给AI的——作为提示词的上下文锚点。

Tschada点破一个常见死法：「大多数人搞砸在这步。他们问『告诉我这地方的一切』，然后AI开始 hallucinate（幻觉编造）。」

提示词即接口

地理空间AI的陷阱在于，卫星图+开放问题=灾难。AI会自信地胡说八道，尤其是地标识别这种需要精确坐标的场景。

Tschada的解法是把问题锁死。不是「这是什么」，而是「你正在看北纬25.02度、东经55.04度——杰贝阿里港。描述可见的基础设施，不要推测未显示的内容。」

这种约束性提示（constrained prompting）成了新的编程范式。不写训练代码，写提示模板；不调模型参数，调上下文精度。

两个函数的分工很干净：

analyze_image处理视觉：卫星图进去，结构化描述出来。analyze_text处理语义：地址、历史数据、业务规则，转成可查询的结构。

组合起来就能做复合查询：「找出过去五年植被覆盖率下降超过15%的工业区，且距离港口不超过50公里。」

传统GIS工程师听到这需求会开始搓空间数据库。Tschada的方案是：提示词里写清楚。

为什么这事能成

三个条件凑齐了：

第一，基础模型够强。GPT-4V级别的视觉理解能力，让「零样本卫星图分析」从不可能变成可行。不需要领域微调，通用能力已经覆盖大部分场景。

第二，地理数据基础设施成熟。ArcGIS Location Platform提供带坐标的影像服务，Esri几十年积累的底图成了AI的「眼睛」。这不是技术突破，是生态位卡得好。

第三，开发体验被重新定义。Jupyter Notebook即生产环境，几十行Python跑通全流程。Tschada的原话：「No mouse clicks. Just code.」——这对厌恶GUI点来点去的开发者是精准打击。

但最狠的是商业模式的隐蔽性。这套方案不碰模型训练，意味着没有算力军备竞赛；不碰数据标注，意味着没有人力成本黑洞。纯提示词工程，边际成本趋近于零。

谁该紧张

传统遥感AI公司可能还没反应过来。他们的护城河是标注数据集和定制模型，现在被「基础模型+聪明提示」绕过去了。

但不是所有场景都适用。Tschada的方案依赖两个前提：影像质量够高（World Imagery的分辨率有限），任务边界够清晰（提示词能描述清楚）。

需要像素级精度的变化检测？还是得回卷积神经网络的舒适区。需要处理历史影像的时间序列？提示词的长度会爆炸。

所以这不是替代，是分层。简单查询用提示词，复杂分析回传统管线。开发者的决策变成：这个任务，我的提示词能约束住吗？

一个开放的观察

Tschada把完整代码扔在Apache-2.0协议下，欢迎「偷想法或整个笔记本」。这种开放姿态本身也是信号：提示词工程的价值不在保密，而在执行精度。

但有个问题他没回答，或者故意没碰：当所有人都用同样的基础模型、同样的地理数据源，差异化从哪来？

是提示词模板的工程深度？是垂直领域的上下文数据积累？还是把这套工具链封装成产品时的UX设计？

地理空间AI的门槛，可能刚从「会不会训模型」滑向「会不会写约束」。这个转变对开发者是解放，对行业是重新洗牌。你手里的卫星图分析任务，有多少其实不需要训练，只需要一句更精确的提示？