巧用RAG解锁GEE代码自动生成，遥感开发的AI新工具-CSDN博客

本文链接：https://blog.csdn.net/lyy2017175913/article/details/144957255

AI自动写代码已不新鲜，但在遥感编程领域，如何生成更精准、实用的代码仍值得探索。本文介绍了一项独特的GEE代码自动生成技术，是一个比较有意思的成果。如果你对AI辅助编程、大模型在遥感的应用感兴趣，这篇文章将为你解析其实现路径与应用效果。

最近刷paper又看到一篇有意思的文章，利用大模型生成Google GEE的JavaScript代码，作者是来自武大的Wu HuaYi、Hou Shuyang团队。

和常规意义上直接用GPT或者Claude自动写代码不同，作者也没有做大模型微调，而是使用了RAG作为代码生成的参考，很好玩很强大，认真的读完了全文，做个记录。

文章地址：https://arxiv.org/abs/2412.05587

GEE代码生成的特殊性

大模型展现出了强大的编码能力，已经基本可以让非专业人员快速上手coding工作，但在地理空间编程上，也总会有各类错误、幻觉问题。

Google Earth Engine（GEE）作为一个强大的云平台，提供了丰富的遥感数据和计算资源。

地理空间代码的编写具有不太一样的特殊性，与通用编程语言不同，地理空间代码的操作符命名、功能设计和组合策略具有高度的领域特异性。

例如，GEE中的操作符（如reduceRegion、clip等）专门用于处理遥感影像和地理空间数据，其语法和使用规则与通用编程语言的操作符有很大差异。

为了应对这一挑战，作者提出了GEE-OPs，一个专门为GEE平台设计的地理空间操作符知识库，旨在通过大语言模型（LLMs）提升代码生成的效率和准确性。

👉[CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）]()👈

如何构建GEE-OPs

先通俗易懂的描述下这篇文章的技术路径。

通过收集大量已有GEE代码，提取其内在逻辑关系，构建GEE的代码编写知识，然后将该知识库与大模型结合运用RAG，让大模型能根据知识库中的GEE代码知识生成代码，从而显著提升代码生成的准召。

数据收集与组织

首先，研究团队从GitHub、Zenodo和HuggingFace等开源平台收集高质量的地理空间脚本和官方操作符语法知识。共收集了295,943个脚本，总大小为5.45 GB。

然后，通过字符规则过滤掉非可执行代码和多余注释，保留核心功能代码。

再使用AST技术对脚本进行语法检查和验证，确保提取的操作符关系准确无误。

统计分析与构建

构建四个知识表：

操作符语法知识表：记录操作符的名称、语法和使用规则。例如，reduceRegion操作符的输入参数、输出类型等。

**操作符关系频率表：**统计操作符之间的关联频率。例如，clip操作符后常常跟随reduceRegion操作符。

**操作符频繁模式表：**通过频繁项集挖掘技术，提取高频操作符组合。例如，clip -> reduceRegion -> export是一个常见的工作流。

**操作符关系链表：**描述操作符之间的执行顺序和依赖关系。例如，clip操作符的输出是reduceRegion操作符的输入。

这个知识库便是文章的核心，即让大模型更好的掌握GEE代码知识。

如何使用Gee-OPs

知识库做好了，是如何将它用起来呢。

以下给出了一个完整的流程。

我来做一个解释：

1.整个过程使用Langchain做大模型开发框架，并将已有的GEE-OPs做好向量知识库。
2.当用户输入一个编程指令时候（如裁剪区域并计算NDVI），将这条指令Embedding处理，应用FAISS工具做相似度查询，获取最匹配的代码知识条目。
3.接下来，将用户指令、知识条目生成新的Prompt，用这个prompt指挥大模型完成代码生成。

本质上就是一个RAG过程。如果你做过RAG相关工作，应该会很熟悉以上流程。

效果评估

使用以上流程来进行代码生成。

作者引入了一个效果评测数据集，GeoCode-Bench,其包含了20个代表任务，涵盖各类地理空间问题，如数据处理、地图生成、空间分析等。

基于以上内容，作者分别在4o-mini、LLaMa3-8B、Code Llama-13B进行了测试，如下图。

相比无任何加强措施的zero-shot，使用GEE-OPs的RAG模式生成的代码，其可执行度、准确度都有了20%-50%左右的提升，效果很显著。

成果共享

作者将相关代码成果公开发布，感兴趣可以尝试。

https://figshare.com/s/6d42f6335f3f6254ea14

一些想法

1. 勇敢拥抱AI Coding

笔者近期一直使用Cursor等工具来辅助进行coding工作，非常方便产品经理做一些快速的验证工作，以及跑出MVP产品。

（关于辅助coding提升工作效率，后面专门开帖再写写心得）

2.RAG落地的新思路

本篇文章讲到的GEE代码生成思路很新颖，将传统的RAG做知识搜索，变为生产力工具，是一个很有意思的方向。本篇解读，不可避免的损失了一些内容，建议做大模型的读者可以看看原文，会很有收获。

3.GEE代码自动生成还有其他解

同时，针对GEE的代码生成，最近也看到geemap中多了一些新的AI库，实验了下，发现是以特殊的prompt外加agent思路来做，后续会再写文做个解释评测。

4.GEE OPs和最强模型谁更强？

目前根据网友们的普遍反馈，Claude和o1 pro在编程方面的能力要最强，加上cursor、windsurf等工具的加持，自动生成的代码很多可以一遍过。

在大模型时代，我们如何有效的去学习大模型？

现如今大模型岗位需求越来越大，但是相关岗位人才难求，薪资持续走高，AI运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。
在这里插入图片描述

掌握大模型技术你还能拥有更多可能性：

• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；

• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；

• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；

• 更优质的项目可以为未来创新创业提供基石。

可能大家都想学习AI大模型技术，也_想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把都打包整理好，希望能够真正帮助到大家_。

👉[CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）]()👈

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，下面是我整理好的一套完整的学习路线，希望能够帮助到你们学习AI大模型。

在这里插入图片描述

第一阶段：从大模型系统设计入手，讲解大模型的主要方法；

第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。