GeoSQL：給AI看地圖使其準確性提高4倍（韓文）

在地理數據分析中，最常見的錯誤是無法從數字中察覺的。SQL查詢可能正常執行，數字也看似合理，但一旦繪製成地圖，就會暴露出諸如首爾麻浦區覆蓋整個首爾或同一地區被重複統計的問題。GeoSQL正是將“查看地圖”這一步嵌入到AI循環中，從而解決這類問題。

GeoSQL是什麼？

GeoSQL是為Claude、Codex、GitHub Copilot等AI代理添加的地理空間分析技能。其核心理念是：“在代理循環中放入地圖——純文本無法察覺的錯誤，地圖能一目瞭然。”用户用自然語言提問，AI自動編寫空間SQL並渲染結果地圖，然後自我審查，發現異常即修正並重新執行。它支持PostGIS、BigQuery、Snowflake和Wherobots，無需SaaS賬户即可本地部署。

為什麼傳統AI代理不夠？

首先，AI無法查看地圖。傳統代理僅接收文本表格結果，例如要求分析“倫敦各區的學校可達性”，代理獲取數值後即報告完成。但若倫敦金融城（約3平方公里）被錯誤映射為大倫敦（約1572平方公里）多邊形，數值看似正常，地圖卻一目瞭然。其次，空間SQL因數據庫而異：PostGIS用ST_Distance，BigQuery用ST_DISTANCE，但座標處理方式不同，AI容易混淆。此外，大數據空間查詢成本不可預測——一次全表掃描可能花費數十美元，而代理通常不做成本評估。

GeoSQL的工作流程

以“在首爾江南區顯示與競爭便利店距離遠且人流量大的前10個商圈”為例：

1. 數據庫探索：AI直接讀取數據庫的元數據（表、列），而非猜測，並自動掃描Overture Maps的公共數據集。
2. SQL編寫：根據連接的數據庫自動選擇合適的空間函數。
3. 成本預檢（僅BigQuery）：執行前估算掃描數據量，默認上限10GiB，超出則自動重寫為更經濟的查詢。
4. 結果驗證：檢查多邊形總面積或線總長度是否合理，例如過濾“江南區面積大於首爾總面積”的異常。
5. 地圖渲染與反饋：通過Dekart將結果渲染為Kepler.gl地圖，AI查看地圖並發現視覺錯誤（如多邊形過大、點落在海上），然後修正SQL並重新執行。

GeoSQL團隊的基準測試顯示，開啓地圖反饋循環後性能提升4倍。

Dekart：地圖渲染引擎

Dekart是Kepler.gl的自託管後端，使用Docker一行命令即可運行：docker run -p 8080:8080 dekartxyz/dekart。它無需配置，可部署在內部服務器或本地。數據庫認證通過用户本地CLI（bq、snow等）完成，避免AI獲取倉庫密碼。

實際使用示例

通過pip或插件安裝GeoSQL，啓動Dekart後，可輸入類似“/geosql 顯示首爾九老區主要道路5公里半徑內的EV充電站密度”的指令。GeoSQL會從Overpass API收集數據，用Haversine公式計算密度，並歸類渲染為交互式地圖，清晰揭示充電基礎設施空白區域。

文本代理 vs GeoSQL

傳統文本代理：幾何錯誤檢測僅限數值異常，架構猜測，SQL方言易混淆，無成本控制，輸出表格。 GeoSQL：地圖視覺驗證，從數據庫直接探索架構，引擎自動匹配SQL方言，執行前成本估算並自動重寫，輸出交互式地圖，性能提升4倍。

限制

• 地圖反饋功能需Dekart連接，否則與普通SQL代理差別不大。
• 成本控制僅限BigQuery，PostGIS和Snowflake直接執行。
• 基準測試較小（僅倫敦、柏林、巴黎3城8個測試用例）。
• 封閉網絡環境需額外配置。

結論

AI在空間分析中犯錯的根本原因並非查詢能力不足，而是無法看到結果。GeoSQL的解決方案簡單直接：讓AI查看地圖。對於需要本地處理空間數據的組織，GeoSQL + Dekart組合提供了一種將AI代理級分析保留在內部的選擇。

參考鏈接：GeoSQL GitHub、Dekart GitHub、Dekart文檔、Kepler.gl。