达沃斯热议“AI规模化”，国地已把智能体“用在一线”
发布时间：
2026-07-02
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。
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。
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。
更多资讯
