- 博客(288)
- 资源 (7)
- 收藏
- 关注
RSS订阅原创 最新制图智能体Smart-QGIS来了，代码已开源！论文已发表到 EI 期刊！
最新制图智能体Smart-QGIS来了，代码已开源！论文已发表到 EI 期刊！
2026-04-08 11:50:22
590
原创 龙虾给GISer带来了什么启示？
本文探讨了OpenClaw（龙虾）技术爆火现象背后的商业逻辑及其对GIS行业的启示。文章分析了龙虾跨越技术采纳鸿沟的关键在于将编程Agent从程序员群体推广至大众，并详细拆解了由此形成的完整利益链条。作者进一步从用户规模、政策导向、科技趋势和社会矛盾四个维度论证了龙虾的成功必然性。针对GIS行业，提出五大发展机遇：工作效率革命、大众化地图产品开发、技术叠加创新、工程师能力重构和组织架构转型。
2026-03-31 15:01:50
415
原创 2025年GIS大模型和智能体大盘点
2025各行各业的`GIS`从业者基本都在做本行业的大模型训练、微调或智能体构建。毕竟我们`GIS`已经被应用到了各行各业，别人不比你聪明，你也不比别人笨，大家都在各自的领域发光发热。接下来我们就逐个来盘一盘
2026-02-28 09:57:25
1051
原创 是谁说AI时代GIS行业静悄悄？AI相关技术栈怎么和GIS结合？
本文探讨了AI时代GIS行业的发展现状与机遇。作者指出，当前GIS行业并非静悄悄，而是正处于AI技术融合的探索期，从科研到工程应用需要时间传导。文章重点介绍了指令微调、检索增强、智能体等AI技术如何与GIS结合，包括使用LlamaFactory、RAGFlow等工具进行专业领域适配，以及提示词工程、上下文工程的具体应用方法。作者呼吁GIS从业者积极拥抱AI技术变革，深入挖掘技术与行业的结合点，通过创新思维推动行业发展。全文以技术解析为主，旨在为GIS从业者提供AI融合的实践思路。
2025-09-16 09:14:38
726
原创 国家基础地理信息中心全国地理信息资源目录服务系统数据下载
本文介绍了国家地理信息公共服务平台（天地图）的数据下载流程，主要包括7个步骤：加入成果车、结算、提交订单、开始下载、填写信息、点击下载及注意事项。需要注意的是，并非所有数据都可下载，仅限特定链接中的三类数据。通过示例对比发现，某些显示"非涉密"的数据（如地形图）提交后仍无法下载，而其他类型数据则可正常下载。文中配图清晰展示了操作界面差异，提醒用户注意数据下载权限限制。
2025-09-04 14:57:02
1154
1
原创 终于来了！AI自动分析Cesium架构，基于Devin的DeepWiki功能炸裂！
近日，Cognition Labs（就是之前推出Devin功能的公司）推出了一个新功能DeepWiki，可以分析GitHub上任意公开的仓库架构，大大降低了开发者的学习成本。正好我们就用这个工具分析一下Cesiumjs库和Cesium-Terrain-Builder库。这两库分别是用JavaScript和C++实现的。之前作者曾用AI分析过Cesium-Terrain-Builder，希望能转成Java语言来进行实现，但是很遗憾，AI转的乱七八糟，这一功能也许能为我们提供新的思路。
2025-04-27 21:19:18
1601
翻译 基础智能体的进展与挑战第 21 章【智能体中的超级对齐与安全扩展定律】
随着大语言模型（LLM）日益成为自主智能体决策的核心，确保其输出保持安全、符合伦理，并持续与人类目标对齐已成为一个紧迫的挑战 [1386, 402, 1387]。传统的对齐技术，特别是基于人类反馈的强化学习（RLHF），通过融入人类偏好，在改进大语言模型行为方面发挥了重要作用 [110, 43]。
2025-04-21 11:27:57
381
翻译 基础智能体的进展与挑战第 20 章【智能体外在安全：交互风险】
前面的章节详细说明了 AI 智能体与记忆系统、物理和数字环境以及其他智能体交互时产生的重大安全风险。这些风险，从数据毒化和代码注入到传感器欺骗和串通，突显了日益复杂的基于智能体的系统固有的脆弱性。然而，随着 AI 智能体变得越来越强大，利用自然语言理解和专业工具进行复杂推理，研究人员正在积极开发安全协议来应对这些挑战。这些协议对于通用智能体和特定领域智能体的方法有所不同。通用智能体，设计用于跨不同领域的多功能性，面临着广泛的安全挑战。为了减轻这些风险，研究人员开发了几种方法来增强其安全性。
2025-04-21 11:27:43
255
翻译 基础智能体的进展与挑战第 19 章【智能体固有安全：非大脑模块面临的威胁】
先进的大语言模型在自我纠正过程中可能会无意中降低自身响应的质量，这强调了需要更鲁棒的内在推理验证机制[1348]。由于在成功的攻击下，智能体的下一个行动对用户任务的依赖性降低，而对恶意任务的依赖性增加，一些研究人员通过使用掩码函数修改用户提示并重新执行智能体的轨迹来检测攻击[1351]。关于多智能体系统中对抗性攻击的研究表明，被篡改的消息会显著降低协作AI智能体中多视图对象检测和基于LiDAR的感知的性能，突显了基于传感器的对抗性扰动的风险[1320]。
2025-04-21 11:27:28
215
翻译 基础智能体的进展与挑战第 18 章【智能体内在安全：对人工智能大脑的威胁】
以上各节详细阐述了针对人工智能体核心——“大脑”（大语言模型）——的一系列安全和隐私威胁。从越狱、提示注入到幻觉、不对齐和投毒攻击，很明显，大语言模型在决策中的核心作用使其成为对手的主要目标。本章反复出现的一个主题是强调无需训练（training-free）的缓解策略。提出的许多防御措施，例如针对越狱的输入净化和过滤 [1235, 1286]、针对幻觉的不确定性估计 [1249] 以及针对不对齐的安全层 [1179]，都至关重要，因为它们实用、可扩展、适应性强，并且通常与模型无关。重新训练大型模型成本高昂。
2025-04-21 11:27:14
387
翻译 基础智能体的进展与挑战第 17 章【评估多智能体系统】
从单智能体系统向多智能体系统，特别是基于大语言模型（LLM）的系统的转变，要求评估范式发生根本性变化。与单智能体评估（其直接关注点是特定任务的性能）相比，基于大语言模型的多智能体系统的评估必须从整体的智能体间动态角度来理解，例如协作规划和沟通有效性。本章既探讨了面向任务的推理评估，也探讨了整体能力评估，反映了此类评估的细微差别。更具体地说，我们考察了两个主要的评估领域。首先是任务解决型多智能体系统（MAS），我们在此考察了评估和增强大语言模型在编码、知识和数学问题解决任务中推理能力的基准。这些测试也突显了通
2025-04-21 11:26:57
437
翻译 基础智能体的进展与挑战第 15 章【协作范式与协作机制】
在本章中，我们详细探讨了这些有目的的交互，审视了一个智能体如何在多智能体系统（MAS）中影响协作。我们引用了源自人类社会结构的多样化交互行为，通过交互目的、交互形式以及形成的关系进一步解释了多智能体协作。多智能体系统 (MAS) 由多个智能体组成，这些智能体在共享环境中交互，自主决策以协作完成任务或相互竞争 [1041]。在我们的语境中，我们关注协作现象，因为它们在大多数实际应用中广泛出现。基本上，MAS 中的每个智能体都配备了不同的角色和初始知识，并拥有自己的一套目标。在参与问题解决或通信时，智能体与其他
2025-04-21 11:26:34
285
翻译 基础智能体的进展与挑战第 14 章【通信拓扑】
本节探讨基于大语言模型的多智能体系统（MAS）中的交互类型及其对通信、协作和任务执行的影响。我们首先分析静态拓扑——其中连接模式由领域知识固定——然后探索动态（自适应）拓扑，这些拓扑根据性能指标、工作负载变化或战略约束调整智能体间的连接。最后，我们讨论可扩展性挑战以及在平衡系统成本、性能和鲁棒性方面的权衡，借鉴了分布式处理、自组织和涌现协作行为的最新研究。静态拓扑由预定的结构模式定义，这些模式在系统执行期间基本保持不变。在这些
2025-04-21 11:26:18
733
翻译 基础智能体的进展与挑战第 13 章【多智能体系统的设计】
在基于大语言模型的多智能体系统（LLM-MAS）的背景下，协作目标和协作规范是塑造系统行为、交互模式和整体有效性的基础要素。协作目标明确了智能体旨在实现的具体目标——无论是单独、集体还是竞争性地——而协作规范定义了管理系统内智能体交互的规则、约束和惯例。这些组件共同建立了一个强大的框架，指导智能体之间有效的沟通、协调和合作。本节根据协作目标和规范的不同组合，将基于大语言模型的多智能体系统（LLM-MAS）分为三大类：策略学习、建模与仿真以及协作任务解决。尽管这些类别并非详尽无遗，但它们涵盖了广泛的 LLM-
2025-04-21 11:25:46
395
翻译 基础智能体的进展与挑战第 12 章【科学发现与智能进化】
在前面的章节中，我们主要从技术角度讨论了智能体系统的演化，重点是如何开发能够有效执行传统上由人类执行的明确定义任务的系统。然而，一个根本且重要的问题仍然存在：这些智能体能否驱动一个自我维持的创新循环，从而推动智能体进化和人类进步？科学知识发现是智能生物自我进化的一个引人注目的例子，因为它帮助它们以可持续的方式适应世界。能够在不同自主水平上以安全方式发现科学知识的智能体，也将在人类的技术创新中扮演重要角色。在本节中，我们概述了使用智能体工作流进行自主发现的进展，并讨论了实现完全自主、自我进化智能体的技术准备情
2025-04-21 11:25:16
259
翻译 基础智能体的进展与挑战第 11 章【在线与离线智能体自我改进】
在追求自我改进的过程中，智能体利用优化，既作为一种精炼个体组件（如提示设计、工作流编排、工具利用、奖励函数调整，甚至优化算法本身）的机制，也作为一个战略框架，确保这些个体改进朝向一致的性能提升方向对齐。这个自适应微调阶段直接符合智能体自我改进范式，通过允许实时优化特定于智能体的工作流和行为来实现，以 Decision Mamba-Hybrid (DM-H) [857] 为例，其中智能体能高效适应复杂、不断变化的场景。这些混合方法将结构化的离线优化与响应式的在线更新相结合，以实现持续的增量智能体增强。
2025-04-21 11:24:33
419
翻译 基础智能体的进展与挑战第 10 章【大语言模型作为优化器】
在本章中，我们介绍并讨论将大语言模型概念化为优化器的现有工作。首先，我们注意到大多数现有研究侧重于方程 (9.1) 中定义的提示优化问题，因为优化智能体工作流的其他组件仍然是一个新兴的研究领域。接下来，我们将其与经典的迭代算法进行类比，并探讨它们如何融入现代优化工作流。传统优化方法在目标函数可访问性的假设上有所不同。我们将它们分为三大类，每一类的输入空间范围逐渐扩大：基于梯度的优化，依赖于显式的函数梯度；零阶优化，无需梯度信息即可运行；以及基于大语言模型的优化，它超越了数值函数，可在结构化和高维输入空间上进
2025-04-21 10:21:22
241
翻译 基础智能体的进展与挑战第 9 章【自我进化的优化空间与维度】
现有基于大语言模型的智能体优化可以概念化为一个两层架构。基础层是提示词优化，专注于增强大语言模型节点的基本交互模式。在此基础上，出现了三个平行的分支：i) 工作流层面的优化，专注于多个大语言模型节点之间的协调与交互模式；ii) 工具优化，智能体通过开发和改进工具来进化，以适应新任务并利用过去的数据；以及 iii) 全面的自主智能体优化，旨在通过考虑多个维度来整体提升智能体能力。与 AutoML 中的优化范式类似，智能体优化可以分为单目标或多目标。当代智能体优化主要围绕三个典型指标：性能、推理成本和延迟。
2025-04-21 10:20:33
329
翻译 基础智能体的进展与挑战第 8 章【行动系统】
传统上，行动代表了人类认知系统基于环境交互反馈的行为。它赋予人类思考、推理、说话、奔跑以及执行任何复杂操作的能力。基于行动系统，人类可以通过增强他们从世界中获得的感知和行动来迭代地进化大脑智能，并形成一个闭环，以进一步在世界上创造新的文明和创新。与人类认知系统类似，行动系统加上工具系统对于 AI 智能体也起着重要作用。整合行动系统使 AI 智能体能够系统地规划、执行和调整其行为，从而在动态环境中促进更具适应性和鲁棒性的性能。
2025-04-20 10:20:52
482
翻译 基础智能体的进展与挑战第 7 章【感知】
尽管越来越多的研究工作 [543, 590] 专注于构建统一的多模态模型以支持多种感知能力的输入和输出，但智能体感知作为自主系统的基石，在有效解释和整合多模态数据方面仍面临重大挑战。当前方法在表示学习、对齐和融合方面遇到持续存在的问题，这阻碍了鲁棒且可泛化的感知系统的发展。主要问题之一在于所采用的表示方法，这些方法往往无法捕捉多模态数据的复杂细微之处。在需要对高维感官输入进行复杂抽象以保留关键语义信息的场景中，这一不足尤为明显。此外，表示的对齐带来了额外的困难。
2025-04-20 10:20:28
1097
翻译 基础智能体的进展与挑战第 6 章【情绪建模】
操控与隐私担忧（Manipulation and Privacy Concerns）。情感 AI 在广告和政治中的迅速采用引发了重大的操控和隐私风险 [476, 477]。情感 AI 通常收集敏感的生物特征数据，如面部表情和语音语调，以推断情绪状态，从而实现有针对性的广告或政治影响。然而，这些系统可能为了利润或政治利益而利用人类情绪，侵犯基本权利并在公共场所助长过度监视 [478, 477]。像 GDPR 和欧盟 AI 法案这样的监管框架对于负责任地减轻这些风险至关重要。
2025-04-19 08:34:28
1342
翻译 基础智能体的进展与挑战第 5 章【奖励】
在强化学习中，奖励模型规定了如何根据智能体在其环境中执行的动作向其提供反馈。该模型通过量化给定状态下动作的可取性，在指导智能体行为方面发挥着至关重要的作用，从而影响其决策。形式化定义。MSAPrγMSAPrγ其中：•SS表示状态空间，包含环境中所有可能的状态。•AA表示动作空间，包含智能体在任何给定状态下可用的所有动作。•Ps′∣saPs′∣sa定义了状态转移概率。它表示在智能体在状态sss采取动作aaa后转移到状态s′。
2025-04-19 08:34:16
971
翻译 基础智能体的进展与挑战第 4 章【世界模型】
一个AI世界模型广义上是指智能体用来捕捉或访问近似环境动态的任何机制。令SS表示可能的环境状态集，AA表示行动集，OO表示观测集。Ts′∣saS×A→ΔSOo∣s′S→ΔOTs′∣saS×A→ΔSOo∣s′S→ΔO其中T⋅T(\cdot)T⋅决定状态在行动下如何演变，而O⋅O(\cdot)O⋅定义状态如何产生观测。
2025-04-18 11:24:14
1132
翻译 基础智能体的进展与挑战第 3 章【记忆】
人类记忆通常被概念化为一个多层次系统，在不同的处理水平和时间尺度上捕获、存储和检索信息。来自认知科学、神经科学和心理学领域的研究人员提出了各种模型来描述这些层次。一个普遍接受的层级区分了感知记忆、短期记忆（包括工作记忆）和长期记忆 [170, 171]。在长期记忆中，又进一步划分了外显（陈述性）和内隐（非陈述性）形式 [172]。图 3.1 展示了这样一种层级框架：感知记忆。感知记忆是原始感觉信息的初始、短暂存储。
2025-04-18 11:23:03
1418
翻译 基础智能体的进展与挑战第 2 章【认知】
人类认知代表了一个复杂的信息处理系统，它通过多个专业化神经回路的协同运作，实现了感知、推理和目标导向的行为 [98]。这种认知架构通过心智状态运作，这些状态是学习和推理发生的基础。跨不同抽象层次处理信息并适应新情况的卓越能力，是大语言模型智能体 [27] 的关键灵感来源。认知系统展现出几个基本架构属性，如图 1.1 所示。
2025-04-17 12:53:18
993
翻译 基础智能体的进展与挑战第 22 章【结论与未来展望】
这在本篇综述中，我们通过将人类认知过程与人工智能进行类比，探讨了基础智能体不断演变的格局。
2025-04-17 10:49:18
2104
翻译 基础智能体的进展与挑战第 16 章【集体智能与适应性】
多智能体社会中文化和宗教信仰的演变，这是通过智能体驱动的思想选择发生的，反映了现实世界的社会变迁。如前所述，基于大语言模型的多智能体系统固有的多样性和跨学科性质，以及各种智能体间的交互，为个体决策提供了内部反馈和丰富的上下文，从而减少了偏见并提高了解决方案的一致性[918]。个体智能体之间的异质性、环境反馈以及智能体-智能体交互[914]加强了交互动态，这些对于复杂社交网络的涌现和决策策略的改进都至关重要。集体智能的概念，指的是一群智能体展现出超越单个智能体的问题解决能力。
2025-04-17 10:03:30
678
翻译 基础智能体的进展与挑战第 1 章【引言】
基础智能体是一个自主的、自适应的智能系统，旨在主动感知来自其环境的多样化信号，通过经验持续学习以提炼和更新结构化的内部状态（如记忆、世界模型、目标、情绪状态和奖励信号），并推理出有目的的行动——包括外部和内部行动——以自主地朝向复杂的长期目标导航。主动和多模态感知：它持续地、选择性地从多种模态（文本、视觉、具身或虚拟）感知环境数据。动态认知适应：它通过学习整合新的观测和经验，维护、更新并自主优化丰富的内部心理状态（记忆、目标、情绪状态、奖励机制和全面的世界模型）。
2025-04-16 13:11:44
955
原创 基础智能体的进展与挑战——从类脑智能到进化、协作和安全系统（译文）
大语言模型（LLM）的兴起推动了人工智能领域的变革性转变，为构建具备复杂推理能力、强大感知能力以及跨多样领域通用行动能力的高级智能体铺平了道路。随着这些智能体日益推动人工智能研究与实际应用，它们的设计、评估及持续改进面临着错综复杂、多面向的挑战。本综述提供了一份全面的概述，介绍了从认知科学、神经科学和计算研究中获得启发的模块化、类脑智能体架构的发展情况。
2025-04-16 12:22:41
2600
原创 从121篇论文看AI在GIS领域的最新研究与应用
人工智能（AI）、大型语言模型（LLM）、地理信息系统（GIS）以及相关技术的融合正在各行各业彻底改变空间数据分析和决策流程。这一跨学科领域提高了计算能力，使城市规划、环境监测和资源管理中的实时空间建模和知情决策成为可能。本综述强调了人工智能在增强 GIS 功能、促成合成数据生成以及提升非专业用户可访问性方面的作用。交通监测、灾害管理和基础设施开发等应用例证了这些技术的变革性影响。关键挑战包括数据质量、计算需求和伦理考量，这些都需要在数据集成和算法开发方面进行创新。
2025-04-15 12:52:42
3886
原创 GISer，请你一定要记得评职称！
还记得刚毕业时去一家公司里搞GIS研发，就问我们领导，咱们这个怎么评职称啊？我们领导给我说，私企里不评职称。今天看来，当初那位领导所说纯粹是扯淡。我们暂且不论当初那位领导是否有这方面的经验，就以我个人这些年的工作经验来看，私企里一定是能评职称的，而且这里面也是有不少门道的。作者曾评过三个中级职称，也因为这些职称获得过一些上岸的机会，因此对这里面的门道多多少少知道一点，今天特意写点这方面的东西和同行们交流。虽然我是以一个研发人员的角度来看这件事，非研发人员更是不用多说了，我的结论是一定要评。
2025-03-22 22:52:25
962
原创 AI时代GIS数据防泄密必修课：Ollama高危漏洞修复深度指南
GIS数据大都是涉密数据，很多GISer本地部署大模型都是使用的Ollama。近日，国家信息安全漏洞共享平台收录了一个Ollama的漏洞，编号CNVD-2025-04094。该漏洞可能导致攻击者在未授权的情况下访问高危接口，进而窃取敏感数据、滥用资源或篡改系统配置。如果 Ollama 服务端口（默认为 11434）直接暴露于公网，且未启用身份认证机制，远程攻击者可能在未授权的情况下访问其高危接口。这可能导致敏感数据泄露、计算资源滥用或系统配置被篡改，进一步扩大攻击范围。
2025-03-08 18:11:14
1616
原创 分享几个DeepSeek备用网站，再也不怕服务器繁忙了！
本文推荐了几个在网页上和DeepSeek对话的备选网站，以及通过api调用DeepSeek的备选网站。作者也是在DeepSeek官网使用时遇到服务器繁忙问题才想到的找备选网站，希望对有同样烦恼的同学有所帮助
2025-02-16 12:04:21
2828
原创 免费！！！Windows（Win10、Win11）本地部署DeepSeek教程
最近看到淘宝上有人卖`DeepSeek`本地部署教程已经赚了几百万了，这不纯纯的韭菜么。这部署太简单了。作者今天直接就把这个教程给开放出来，其实类似的教程我以前就写过，只不过当时`DeepSeek`还是`V2`版本，还没有像现在这么火。话不多少，直接开整。
2025-02-08 09:18:31
15930
30
原创 Windows（win10/win11）上搭建Genesis开发环境
最近Genesis又更新了一次，官方说已经支持在Windows上进行渲染了。之前因为不支持在Windows上渲染，会触发问题。于是我们在wsl2中搭建了Genesis的开发环境，并解决了一系列问题，有兴趣的同学可以参考windows wsl linux环境下搭建 Genesis 引擎开发环境。那么本篇我们来讲一讲如何在Windows上搭建Genesis的开发环境。在Windows上运行Genesis，比在Windows上的linux系统里（即wsl）运行Genesis，配置简单的太多了。
2025-01-21 19:14:36
3949
26
原创 躬身入局:2024我把AI引入GIS这一年中所见所闻所思所感
2024年终于结束了。回首这一年，我也做了一些AI和GIS的融合的探索，如果要谈AI和GIS结合起来能干什么，我想我折腾了这么久，多少还是有点心得来谈上一谈。2024这一年中大多数人都在默默看着AI发展，其实并没有多少人在真正在使用AI，或者更恰当的说，并没有多少人使用AI让自己的效率成倍的提升。这是因为还没有一些趁手的工具出现，大多数人都停留在和AI的聊天层面。最近我看到不少同行都发表了看法，探讨AI在地理信息、遥感行业的应用前景。
2025-01-09 12:10:38
2334
6
原创 wsl linux CUDA安装、卸载、清理、版本降级、升级过程详解
本文详细讲述了wsl linux环境下（Ubuntu）CUDA的安装、卸载、清理、版本降级、升级过程，对整个过程中的命令进行了详细的解释，是自己的实践经验，也希望对读者有所帮助，回见~
2025-01-03 22:53:31
3903
原创 windows wsl linux环境下搭建 Genesis 引擎开发环境
由于Genesis目前不支持在Windows上开发，只支持仿真，不支持渲染。所以就考虑在linux上进行开发环境的配置。而当前主流方案是在windows上使用wsl进行linux的开发，基本已经弃用了VMware方案。因为wsl是微软自己开发的在windows上使用linux的环境，效率比VMware要高的多。但相应的，linux的配置也很复杂。就本次搭建Genesis的开发环境，作者也是参考了很多篇博文，以及不停的问ChatGPT，最终才完成了Genesis开发环境的配置。
2024-12-27 22:58:46
4712
30
GSL雅思高频单词表，2284个单词
2020-12-22
编译好的Cesium Terrain Builder，可用于生成HeightMap和Quantized-mesh地形切片
2022-08-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人