当前位置：首页 > news >正文

GeoAI UP：一键部署包发布，让地理空间AI触手可及！

news 2026/5/3 2:04:18

🚀 引言

GeoAI Universal Platform平台推出全新的一键部署包，无需安装Node.js，无需配置环境，双击即可运行！内置完整的前后端服务、Node.js运行时，让您在3分钟内快速体验智能地理空间分析的强大功能。

你可以下载直接给可以演示！

核心优势

✅零依赖部署- 内置Node.js运行时，Windows/Linux/macOS通用
✅即开即用- 双击start.bat或./start.sh即可启动
✅自然语言交互- 用中文/英文对话即可完成复杂空间分析
✅大数据渲染- 前端采用MVT矢量瓦片技术，支持百万级数据流畅展示
✅智能记忆- 多轮对话上下文感知，越用越懂你
✅插件扩展- 动态加载自定义策略，灵活可扩展

🌟 什么是GeoAI Universal Platform？

GeoAI UP是一个智能地理空间AI助手，能够自主规划、执行并从复杂的空间分析任务中学习。它采用多层架构设计，将智能决策与执行基础设施分离，实现了真正的自主代理编排。

核心亮点

🤖 自主智能: GeoAgent层提供自主任务规划、动态工具选择和自我纠正能力
🧠 上下文感知记忆: 维护对话历史，学习用户偏好，根据过往交互调整响应
🔍 反思式执行: 实时质量评估，自动调整计划和错误恢复
📊 多提供商LLM支持: Qwen、Ollama、Anthropic Claude、OpenAI，支持无缝运行时切换
🗂️ 智能数据集成: 自动发现本地文件（GeoJSON、Shapefile、CSV、Excel）、PostGIS数据库和Web服务（WFS、PostgREST）
🔌 可扩展插件系统: 动态策略加载，SQLite状态持久化和安全验证
⚡ 丰富的地理空间策略: 内置多种地理空间分析策略，支持自适应多步骤工作流执行
🌐 自然语言界面: 支持中英文对话交互，提供透明的推理轨迹
🚀 MVT高性能渲染: 前端采用Mapbox Vector Tiles技术，支持百万级地理数据流畅可视化

📦 一键部署包使用指南

下载部署包

访问项目Release页面下载最新的一键部署包：
下载地址: https://gitee.com/rzcgis/geo-ai-universal-platform/releases

部署包为跨平台通用格式，解压后根据操作系统选择对应的启动脚本即可。

快速开始（以Windows为例）

解压部署包

# 将下载的压缩包解压到任意目录

启动平台

# 双击start.bat或在命令行运行start.bat

访问平台
- Web演示界面: http://localhost:3000
- 配置API KEY即可开始使用

🎨 功能展示

1. 自然语言空间查询

只需输入自然语言指令，平台就能理解您的意图并执行相应的空间分析：

用户: "显示所有城市" 平台: [自动执行数据过滤策略，返回城市列表] 用户: "找出距离河流5公里内的城市" 平台: [执行缓冲区分析和空间连接，返回结果] 用户: "生成人口密度热力图" 平台: [调用热力图生成策略，可视化结果]

2. 多轮对话与上下文记忆

平台具备强大的记忆系统，能够记住之前的对话内容和用户偏好：

第一轮: "分析陕西省的城市分布" 第二轮: "在这些城市中找出人口超过100万的" 第三轮: "将这些大城市用不同颜色标注在地图上"

3. 丰富的地理空间策略

平台内置了多种地理空间分析策略，涵盖数据访问、空间操作、分析功能和可视化等多个类别，支持自适应多步骤工作流执行。常用策略包括：

数据操作: 过滤、排序、搜索、提取
空间分析: 缓冲区分析、空间连接、叠加分析、坐标转换、邻近度分析、距离计算
统计分析: 数据统计、分类、聚类、热力图生成
可视化: 分级统计图、热力图、样式设置、标签标注

更多策略正在持续开发中，您也可以通过插件系统扩展自定义策略。

6. MVT高性能地图渲染

平台前端采用Mapbox Vector Tiles (MVT)矢量瓦片技术，实现高性能地理数据可视化：

✨百万级数据流畅渲染- 即使处理海量地理数据也能保持流畅交互
✨数据源支持本地数据和PostGIS数据源- 底层本能驱动海量空间数据
✨动态细节层次- 根据缩放级别自动调整数据精度
✨客户端渲染- 减少服务器负载，提升响应速度
✨样式灵活定制- 支持丰富的地图样式配置
✨离线友好- 矢量数据体积小，适合离线场景

相比传统GeoJSON渲染，MVT技术在大数据量场景下性能提升10倍以上，为用户提供丝滑的地图浏览体验。

4. 插件扩展系统

用户可以通过Web界面上传自定义策略插件：

编写策略代码（遵循ES模块规范）
创建manifest.json描述文件
通过Web界面上传插件
系统自动验证并加载插件
新策略立即可用

5. 多LLM提供商支持

平台支持多种大语言模型提供商，可在运行时动态切换：

通义千问(Qwen): 推荐用于中文场景
Ollama: 本地部署，保护隐私
Anthropic Claude: 高质量推理
OpenAI GPT: 通用能力强

用户可以在Web界面中配置API密钥，无需修改代码或重启服务。

💡 应用场景

1. 城市规划与分析

用户: "分析西安市各区域的人口密度分布" GeoAI-UP 1. 加载行政区划数据 2. 加载人口统计数据 3. 执行空间关联分析 4. 生成分级统计图 5. 返回可视化结果

2. 环境监测

用户: "找出距离污染源10公里内的居民区" GeoAI-UP: 1. 加载污染源位置数据 2. 创建10公里缓冲区 3. 加载居民区数据 4. 执行空间相交分析 5. 返回受影响的居民区列表

3. 商业选址

用户: "在成都市找到适合开设咖啡店的位置，要求靠近地铁站且周围500米内没有竞争对手" GeoAI-UP: 1. 加载地铁站点数据 2. 创建地铁站缓冲区 3. 加载现有咖啡店数据 4. 排除竞争区域 5. 识别候选位置 6. 返回推荐地点

4. 灾害评估

用户: "评估洪水淹没区域内的重要设施" GeoAI-UP: 1. 加载洪水淹没范围 2. 加载重要设施数据（医院、学校等） 3. 执行空间相交分析 4. 统计受影响设施数量 5. 生成风险评估报告

🛠️ 开发者指南

SDK集成

您可以在自己的Node.js项目中使用GeoAI SDK：

import{GeoAgent,LlmProviderFactory}from'@geoai/universal-platform';// 创建LLM提供商constllmProvider=LlmProviderFactory.create('qwen',{apiKey:'your-api-key',model:'qwen-plus'});// 创建GeoAgent实例constagent=newGeoAgent(llmProvider,toolRegistry);// 处理查询constresponse=awaitagent.processQuery('显示所有城市');console.log(response);

自定义策略开发

创建自定义地理空间策略非常简单：

// my-custom-strategy.jsexportdefault{name:'my-custom-analysis',description:'我的自定义分析策略',asyncexecute(params,context){// 获取输入数据constinputData=awaitcontext.getData(params.dataSource);// 执行自定义分析逻辑constresult=performAnalysis(inputData,params);// 返回结果return{type:'FeatureCollection',features:result};},// 参数Schema（用于验证和UI生成）schema:{type:'object',properties:{dataSource:{type:'string'},threshold:{type:'number'}},required:['dataSource']}};