AI Agent 插件：QGIS 中性能最强的地理空间智能体

地理空间分析的门槛正在被 AI 智能体大幅拉低。TerraLab 最新发布的免费 QGIS 插件 AI Agent，让用户只需用自然语言提问——比如洪水风险、通行时间或水资源压力——插件就会自动在 2,830 个开放数据集中找到所需数据，调用 227 个 QGIS 工具完成分析，并将结果以图层形式添加到项目中，同时标注数据来源。

在 Google Research 于 2026 年 10 月发布的两个地理空间基准测试 GeoKTools 和 GeoExpertQueries 上，AI Agent 在 41 道留出问题上取得了 43.8 分（满分 100，低算力模式，GPT-6 Luna）。相比之下，Claude Sonnet 5.5 通过 nkarasiak 的 QGIS MCP 服务器在 Claude Code 中驱动 QGIS 仅得 24.9 分，GPT-6 Luna 通过 jjsantos01 的 QGIS MCP 服务器在 OpenAI Codex 中得 22.1 分，而 GPT-6 Luna 单独使用（无工具）仅得 21.0 分。这是所有测试过的 AI 智能体在 QGIS 中的最高分，评分由 Google 官方评分代码完成。 逐题对比更能说明问题。在 41 道题中，AI Agent 在 26 道题上得分高于 Claude Sonnet 5.5 + QGIS MCP 方案，仅在 5 道题上落后；对 GPT-6 Luna + QGIS MCP 方案，则在 24 道题上领先，7 道题落后。平均领先优势达 19 分（95% 置信区间为 10 至 29 分）。

为什么插件比 MCP 服务器方案更强？MCP 服务器虽然能让 Claude 或 ChatGPT 等模型调用 QGIS 函数，但模型仍需自行寻找数据、选择每一步操作并检查结果。而 AI Agent 插件为模型提供了专为 GIS 设计的工具、允许使用的授权数据，并在每次回答前对结果进行校验。它直接运行在 QGIS 内部，模型操作的是真实图层和真实 QGIS 工具，所有结果都能在项目中打开。一个直观的例子是：同一个 GPT-6 Luna 模型，单独使用时在 GeoExpertQueries 上得 0 分，通过 MCP 服务器连接 QGIS 后得分相近，而在插件内（低算力模式）则分别获得 GeoKTools 53.5 分和 GeoExpertQueries 62.6 分。 插件在不同难度级别上均保持领先。GeoKTools 的每道题需要多种数据，在需要两种数据类型的题目上，插件大幅领先所有其他系统；在需要四种数据类型的难题上，所有系统都表现吃力，但插件依然领先。按数据类型细分，AI Agent 在除“预报洪水区域”外的所有类型上都领先于 Claude Sonnet 5.5 + QGIS MCP 方案（“预报洪水区域”无系统能答对）。

除了 Google 的基准测试，TerraLab 还在两个外部公开基准上运行了 AI Agent，且未针对它们进行任何调优。虽然由于没有其他智能体在相同条件下运行，无法进行直接对比，但这进一步验证了插件的泛化能力。TerraLab 的 QGIS 插件在官方仓库的下载量已超过 121,000 次，AI Agent 正是为那些每天使用这些插件的用户而打造。

AI Agent 的出现，标志着地理空间智能体从“能调用工具”迈向“能可靠完成分析任务”的关键一步。它让没有 GIS 专业背景的用户也能通过自然语言获得可信的空间分析结果，同时为专业用户节省大量数据查找和流程编排的时间。想了解完整的测试方法、评分细节和更多示例，请点击原文链接查看技术全文。