过去一年，Claude Code、Codex 这类编程代理早就跨过了 IDE 里自动补全的阶段，能读文件、跑命令、调接口、自己排错地干活。
它先改变了软件开发，接着就撞上了另一个同样重流程、重规范的行当：地理信息和地图制图。GIS 行业的日常工作，本质上是一串高度标准化的操作链，从数据整理、空间分析到出图交付，大量环节重复且易错，天生适合用自然语言去驱动和自动化。
这条操作链偏偏又是最磨人的。数据阶段，最经典的翻车场景就是坐标系统一问题，两个图层都加载进来了，一个在撒哈拉沙漠一个跑到海里，肉眼看不出的错配会让后续所有分析作废。分析阶段，流程长、步骤多，统计学校 500 米内公交站这种看似一句话的需求，实际要经历投影、缓冲区、空间连接一整套空间处理，中间任何一步参数填错全盘重来。制图阶段，算得出结果却做不出能汇报的图，配色、注记、图例每一处都费时间。更新阶段更痛苦，底图数据一变，整张图从头再做一遍。
针对这些老问题，沈阳团队做了一份能力评测报告，题为《Claude Code + Codex QGIS 地图制图评测报告》，本文经作者团队授权发布（文末附完整报告链接）。报告由北京航空航天大学人文与社会科学高等研究院、清华大学新闻与传播学院与人工智能学院双聘教授沈阳带领的新媒沈阳团队完成，作者为何静副教授。
这份报告是一份扎扎实实的能力评测，把"让 AI 编程代理操作 QGIS 做地图制图"这件事，从概念一路拆到可复用的提示词和方法论，也把能力边界标了出来。
GIS 工作流代理
报告给 Codex 加 QGIS 的组合下了一个很实在的定义，叫"GIS 工作流代理"。
它的核心能力是听得懂 GIS 行话，你说"做 500 米缓冲区""把坐标系统一为 CGCS2000"，它知道你在说什么，也能把这些话翻译成可执行的 PyQGIS 脚本或者 QGIS Processing 流程。
QGIS 还是中心，AI 代理只负责把人的自然语言变成操作、把操作串成流程。QGIS 仍是那台强大的桌面引擎，AI 代理更像是坐在操作台前的执行助理，把那些机械又易错的重复活儿接过去干。
四条技术路径
这四条路径是整份报告的方法骨架：PyQGIS 方式看代码，Processing 方式看流程，MCP 方式看交互，Skill 方式看复用。
前两条是让 agent 写代码或调工具，第三条是让 agent 直接连上 QGIS 桌面去对话式操作，第四条是把验证过的好流程沉淀成可复用的资产。四条路径对应不同的成熟度，从临时的单次任务一直到长期的能力沉淀，读者按需取用就行，不必死磕某一条。
方法一：生成 PyQGIS 脚本
第一条路径最直观。
你给 agent 一个 GIS 任务，它产出一段可在 QGIS 里运行的 PyQGIS 脚本，你贴进 QGIS 的 Python 控制台就能执行。报告用这条路径重点验证三件事：脚本生成是否准确、图层处理是否到位、空间分析是否算对。
它适合那些能说清要什么、但懒得手写代码的场景，比如批量做缓冲区、批量裁剪。好处是透明，代码攥在你手里，改起来方便；代价是你得看得懂、能判断它对不对，所以对稍微懂点 Python 的用户最友好。
方法二：调用 Processing 工具链
第二条路径绕开手写代码，直接让 agent 去组织 QGIS 自带的 Processing 工具箱。缓冲区、裁剪、相交、空间连接、栅格分析这些标准工具，被 agent 按任务拆成一条工具链。
典型流程很清晰：任务描述、工具链拆解、参数配置、运行处理工具、输出结果。这条路径验证的是 agent 的工具选择能力、参数配置能力和流程串联能力。它的优势在于站在 QGIS 原生工具肩上，结果稳定、可追溯；对不想碰代码的分析人员尤其友好，因为整个过程其实就是让 agent 替你点完那一串工具栏。
方法三：MCP 直连 QGIS 桌面
第三条路径技术含量很高，也让人期待。
它借助 MCP（模型上下文协议）把链路打通：Codex 通过 MCP Server 连上正在运行的 QGIS，能够读取项目、定位图层、做局部修改再导出。
报告用它验证的是项目读取、图层定位和局部更新这三类能力。想象一下，你对着对话框说"把第二层的水系改成蓝色"，QGIS 里那一层当场就变了，这就是交互式制图的雏形。但 MCP 直连的配置门槛不低，目前更适合有工程能力的玩家去趟，普通用户先看看就好。
方法四：封装 Skill 复用工作流
第四条路径是报告埋得最深、对长期使用者价值最大的一条。
它的思路是，用前面三条路径把某个制图任务跑通之后，别让它在会话结束时丢了，把它封装成一个 Skill，下次一句话就能复用。
报告用它验证的是流程复用、模板化制图和批量交付。Skill 相当于给 agent 一份岗位说明书，告诉它这个任务该怎么干、有什么规范、产出什么格式。从一次性帮手变成可复制的同事，这一步让 AI 制图从玩具走向正经工具。
Skill 的三层落地方法
报告分了三层：第一层是无代码 Skill，你不用写程序，只要把提示词模板、数据命名规则、坐标系要求、字段规范、制图规范写进一个 SKILL.md 文件，agent 照着执行就行。
第二层是低代码 Skill，把已经验证过的 PyQGIS 脚本、Processing 脚本和 QGIS 样式文件放进 Skill 目录，让规范直接附着在代码上。
第三层是项目专用 Skill，针对 POI 分析、DEM 地形分析、选址评价、专题制图这类具体业务做成专用包。
此外，报告还列了一份"代表 Skill 举例"作为类型清单，帮你对照自己的业务该往哪类靠。顺着这份清单，你就能照着框架，把自己的业务场景一步步搭成专属 Skill。
四阶段实操与提示词模板
报告在实操部分最实打实的一点，是它把方法落到了能抄的模板。每个案例都按"提示词模板、提示词示例、一句话结论"三件套来写。
数据整理阶段，报告直接给了一段可复制的 PyQGIS 提示词，开头就是"请生成可在 QGIS 3.x 中运行的 PyQGIS 脚本，对 XX 文件夹进行空间数据整理"，后面跟坐标系修复、字段清洗、几何修复的具体要求；分析阶段覆盖缓冲区、POI 统计、土地利用、选址评价和 DEM 坡度与裁剪；制图阶段覆盖各类专题图、热力图、批量制图和模板复用；更新阶段则给了样式修改和联动重算的提示词，数据一变，让 agent 重新跑一遍，不必再人肉重做。
对普通读者来说，这份报告最低的上手门槛，就是把这几段提示词模板复制过去，喂给你的 Codex 或 Claude Code，再或者 WorkBuddy，看它能不能把活干漂亮。
AI 制图的五个趋势
顺着四条路径，报告总结了五个趋势。
其一是从脚本走向项目级，AI 学会的不再只是单段代码，而是整个 QGIS 工程的理解和操控。其二是从单步走向工作流，一次对话完成一整条分析制图链。其三是从通用走向行业，越往后越会出现贴近测绘、规划、应急等垂直场景的专用能力。其四是从单机走向多工具协同，QGIS 之外还能拉上其他软件一起干。其五是从临时走向 Skill 沉淀，用过的好流程被留下来，团队的知识资产越积越厚。
说到底，AI 制图的竞争力不在某一次惊艳的生成，而在能不能把能力沉淀下来反复用。
综合案例
报告在末尾用 Claude Code 做了四个综合案例，好让读者看见成品什么样：北京交通图、中国铁路图、疫情热力图、全球航线图。
这四类图分别覆盖了城市道路网表达、线性要素制图、密度热力呈现和跨洲际空间分布，基本把日常制图的高频场景点了一遍。
当然，这些具体案例以视频教程形式展现，方便读者对照着复现。想直观看 AI 到底能不能画出像样图的读者，这几个案例是最快的上手入口；大家可以直接到常用视频平台搜索对应关键词（如上图所示）。
用 AI 出图，先立两条纪律
把 agent 请进 QGIS 干活，有两件事这份报告在操作规范里反复强调，值得每个用 AI 做空间分析的人照着做。
第一，处理过程不覆盖原始数据，所有操作都在新副本上进行，别把原始底图改坏。第二，凡是 agent 没法判断对错的，标注出来交人工复核，别让它自作主张给个看似合理的答案。像"两个图层一个在中国一个跑到海里"这类坐标错乱，正确做法是让 agent 先识别、再提示、最后由人确认，而不是直接闷头跑完交一张错图。
两根线守住了，AI 出图才用得踏实。
接下来，怎么把这份报告用起来
读完这份报告，最该带走的是一条清晰的行动线。它把四条路径的能力边界、该验证什么、每一步该说什么话都列清楚了，相当于给你画好了一张地图。对大多数普通用户来说，最低成本的上手方式，就是直接把里面的提示词模板复制出来，喂给你的 Codex 或 Claude Code，看它能不能把活干漂亮。这一步不需要你搭任何环境，复制粘贴就能开始。
而如果你不想每次都从零开口，想把某类制图任务真正变成自己的流水线，那就得往前再走一步：把跑通的流程封装成 Skill，把规范写进 SKILL.md，或者把验证过的脚本、样式文件归档备用。MCP 直连那条路配置门槛不低，想走的话得自己把环境搭起来、文档啃一啃。报告给了方法和范式，真正沉淀成自己的工作流，还得自己动手。AI 制图不是玄学，它最实在的收获，是让你清楚每一步该说什么、该验证什么，然后带着这份清醒去试、去改、去沉淀。
地图这门手艺，从测绘员扛着仪器上山，到后来用 GIS 软件在屏幕上点点点，每一次工具跃迁都在把"把世界画准"的门槛往下推一层。今天，自然语言开始能指挥 QGIS 把数据变成图。这件事本身不神秘，真正新鲜的是，它第一次让不懂代码的人也能开口调度一套专业的空间分析流水线。报告真正有价值的地方，是它放下"AI 取代谁"的喧哗，把一条新路径的走法、坑位和边界都摊在桌面上，让从业者带着清醒的判断去试、去改，自己去沉淀。工具还会继续往前走，至于最后留下谁，大概率是那些把活干得更准、更省、也更可复用的人。
新闻信息
来源：新媒沈阳团队（北京航空航天大学人文与社会科学高等研究院、清华大学新闻与传播学院与人工智能学院双聘教授沈阳团队）
作者：何静（副教授）
标题：《Claude Code + Codex QGIS 地图制图评测报告》
时间：2026年
声明：本文经作者团队授权发布，完整报告 PDF 由作者团队提供：https://pan.baidu.com/s/14mI6_B8nTzGN54k5AoEBbg?pwd=3ydt 提取码: 3ydt