AI落地难？国地科技让业务人员自己造懂行AI

六月底，夏季达沃斯论坛在大连落幕。全场最热的关键词之一，是‘AI规模化’。

与会嘉宾达成了一个共识：当前AI竞争的焦点，已经从‘谁拥有更先进的技术’转向了‘谁能更快把技术变成现实生产力’。世界经济论坛AI卓越中心负责人甚至直言：中国企业正率先探索‘从AI工具走向AI驱动的系统性转型’。

话很提气，但现实是另一回事。

很多政府和企业已经用上了大模型，可一旦把AI放进具体业务场景——比如国土空间规划、耕地保护、执法巡查——就发现不对劲了。

问它基本农田政策，给一段百度百科式的泛泛回答，既不区分时间效力，也不判断适用范围。让它分析某地块的规划冲突，它直接‘罢工’。因为通用大模型不懂你的业务逻辑、看不到你的数据、更不会调用你的GIS工具。

通用AI‘什么都能聊’，但放到专业岗位上‘什么都干不精’。

这恰恰是AI规模化落地最难迈过的一道坎。

为什么通用AI在自然资源业务里

‘水土不服’？

这不是模型能力的问题，而是匹配度的问题。

通用大模型训练的是全网公开数据，它不知道某个区域的基本农田保护红线具体画在哪，不理解‘三区三线’之间是什么关系，更没学过用地审批的完整流程。

换句话说：它缺三个东西——

第一，缺专业知识。政策法规在变、地方细则不同，通用模型的知识库永远是滞后的。

第二，缺数据权限。最敏感的国土空间数据、规划图层、遥感影像，不可能喂给公有模型。

第三，缺工具能力。规划编制要查图层、算面积、核冲突；耕地保护要盯红线、比变更、查违法——这些不是靠‘对话’能完成的，需要调用空间分析工具、GIS算子、业务系统接口。

结果就是：规划和自然资源领域的AI应用，通用大模型干不了，纯定制开发又太贵。

有没有一种方式，能让每个业务科室自己动手、不写代码，就能搭出一个‘懂行’的AI？

国地科技GooDGIS AI的智能体构建中心，回答的就是这个问题。

智能体构建中心到底是什么？

一言以蔽之，通过配置的方式，零代码搭建一个‘地图对话智能体’。

采用‘积木式’构建方式——需要什么就配什么，从模型选择到知识库挂载，从工具调用到多智能体协同，业务人员也能上手。

智能体搭建

六步走：手把手教你‘搭’一个专属业务AI

第一步：SOP梳理——给AI画一张‘工作蓝图’

自然资源业务专业性强、判断节点多，经验若不形成体系，AI容易在关键环节‘想当然’。

SOP梳理，就是把业务专家的经验转化为智能体可执行的规范化流程——比如‘用地预审’要经过哪几个判断节点、每个节点调用什么数据、什么情况下必须人工复核——把这些提前定义好，AI才知道‘什么时候该自己做判断，什么时候该喊人’。

第二步：选模型——给AI选个合适的‘大脑’

模型选错了，后面所有努力都会大打折扣。

图文核验，优选具备视觉理解能力的VL模型；高频简单查询，用响应快的Flash模型；复杂推理任务，交给思考链更长的Thinking模型。

按任务选最对的，不选最大的。

国地科技已对当前市场主流大模型进行了基础能力对比测试，按测试结果接入多类型在线模型。用户可按需选择，也支持离线部署和本地模型调用。

第三步：写提示词——教AI‘怎么思考’

通用模型不懂行业规矩，直接上岗极易‘跑偏’。

提示词配置，就是精准定义AI的角色定位、能力边界、数据获取策略和工具调用流程——告诉它‘你是谁、你会什么、必须遵守什么规则、优先看哪些数据’。

同一个模型，装上不同的提示词，就像同一个员工被分到不同岗位——技能方向截然不同。

第四步：挂知识库和数据源——给AI‘喂’专业知识

仅有规则还不够，智能体需要可检索的专业知识作支撑。

智能体构建中心支持挂载文本知识库（政策法规、业务文档、技术标准）和空间数据库（规划图层、现状数据、遥感影像），让AI既有据可依、又能看懂地图。

‘文本+空间’双通道理解，这才是面向自然资源业务的AI该有的样子。

第五步：配工具——给AI‘装上手’

只让AI‘会想’不够，必须让它‘能干’。

原子工具中心集成了国地自研的百余个算子工具、政务智能工具及MCP工具，覆盖文件处理、知识检索、空间分析、可视化展示、数据治理、业务计算等常见需求。同时支持第三方工具以MCP或接口形式接入，即插即用、灵活扩展。

从推理到执行，形成完整闭环。

第六步：多智能体协作——让AI‘带团队’

复杂业务若由单一智能体包揽，提示词会变得冗长、能力混杂，极易出现上下文断裂。

这时可以挂载多个之前建好的子智能体，实现跨任务协同。

比如之前建了一个‘耕地保护政策专家’，现在要建‘用地审批助手’，需要耕地保护的专业判断时，直接把前者链接进来就行——每个智能体专注做好自己的事，组合起来就是一个团队。

真的靠谱吗？用数据说话

口说无凭，是骡子是马拉出来遛遛。

国地科技构建了覆盖空间关系查询、条件筛选与属性查询、面积统计与变化分析三大类场景的标准问答对，对基于DeepSeek V4 Flash模型配置的智能体进行了系统性测试。

测试场景

核心能力验证

测试数

正确数

平均准确率

空间关系查询

图层定位、相邻关系、距离关系、缓冲区分析、相交关系、包含关系、拓扑关系

23

23

100.0%

条件筛选与属性查询

单条件筛选、多条件组合筛选、空间+属性联合筛选、模糊语义查询

16

15

93.8%

面积统计与变化分析

单指标统计、多指标汇总、历史对比分析、变化趋势分析

9

8

88.9%

总计

48

46

95.8%

空间问答准确率95.8%——这个成绩，已经能扛住实际业务的检验了。

一个典型场景：智能体到底能做什么？

来看一个真实问题。

用户问：‘XX区有哪些村庄的耕地与城镇开发边界相交面积超过了1公顷？’这个问题背后，需要AI自动完成四步操作：

1.调取村界、城镇开发边界、耕地三个图层

2.做空间叠加分析，计算相交面积

3.筛选出超过1公顷的图斑

4.反向找出这些图斑所属的村庄

智能体需要自动判断该调哪些工具、按什么顺序调，然后把数据、地图、分析结果整合成一次完整的回答。

智能体应用

这就是专属智能体的价值：它不是一个聊天机器人，而是一个能干活、懂业务的数字同事。

写在最后

智能体构建中心的核心价值，不是替代人的专业判断，而是让AI从‘什么都能聊一点’变成‘在你这个场景里，我能做到专业级’。

每个科室都可以有自己的专属智能体——懂你的数据、懂你的流程、懂你的行话。并且随着业务规则更新、数据积累和工具丰富，它会持续进化，越用越聪明。

今年的达沃斯论坛上，大家都在讨论‘AI规模化’的下一站。在我们看来，答案可能没那么宏大——让每一个具体的业务岗位，都有一个真正‘懂行’的AI搭档，这就是规模化落地最实在的样子。

随着‘AI+自然资源’应用的持续深耕，国地科技智能体构建中心将持续迭代，为更多业务场景提供‘量身定制’的智能能力，成为自然资源工作者值得信赖的智慧搭档。

注：本文由技术中心、研发中心提供。