把自然语言接到地图软件，最容易被忽略的不是回答是否流畅，而是一次提问究竟读取了什么、将调用什么空间函数、又会在地图上留下哪些新对象。kepler.gl 的 AI Assistant 文档提供了一个适合审视这条链路的案例：它把 LLM 聊天界面嵌入地图与空间分析流程，并将部分能力组织为可确认的函数调用。对 GIS 团队而言，真正可复查的交付物应是“元数据范围—参数确认—候选图层”的分层记录，而不是一段无法回放的对话。

可核查事实

  • kepler.gl 文档将 AI Assistant 描述为用于地图与空间分析的 LLM 聊天界面，并说明该功能仍在开发中。

  • 文档列出远程 OpenAI、Google、DeepSeek 与本地 Ollama 等模型提供方式；使用哪一种由部署者选择。

  • Screenshot-to-Ask 允许用户选取屏幕区域后提问。

  • Talk-to-Ask 需要麦克风权限，并涉及音频转写。

  • 文档称 LLM function tools 会把提示转成 kepler.gl 内的动作，并在执行前请求用户确认函数参数。

  • 文档称数据保留在浏览器中；为函数调用会发送数据集、图层和变量名称等元数据。

  • 助手可展示数据集、图层和变量信息，也可加载 URL、切换底图或基于变量创建图层。

  • 文档列出 Quantile、Jenks、Percentile、Box 与标准差等分类方式，并支持直方图、回归散点图和空间连接；SQL 能力标为即将推出。

  • 地图上的 Plot selection 可高亮选中记录；回归散点图提供 selected、unselected、all 三类查看范围及 R²、斜率、截距、p 值、标准误和 Chow test 等信息。

核心机制：把聊天拆成可审计的三个对象

kepler.gl 的文档把 AI Assistant 定位为地图和空间分析的 LLM 聊天界面，同时明确功能仍在开发中。它不应被当作自动决策层，而应被视为提出操作意图的入口。每一次请求至少要拆成三份可回读记录：允许助手看到的元数据、待执行的函数及其参数、执行后新增或修改的图层。

文档说明，数据保留在浏览器中，函数调用会使用数据集、图层和变量名称等元数据。这是一项范围有限的数据驻留说明：它不能自动覆盖用户主动截取的屏幕内容、授予麦克风后产生的音频，或所选模型提供方的处理条款。Screenshot-to-Ask 是由用户选取屏幕区域后提问；Talk-to-Ask 需要麦克风权限并经历音频转写。因此系统应在每次传递前显示内容范围、目标服务和保留策略。

GIS 场景：让空间操作成为候选图层，而非静默改图

一位分析师询问“按收入字段把街区分成五类并画出分布”时，助手可以先返回分类函数及字段、分级方法、类数、缺失值处理和输出图层名。kepler.gl 文档列出的分类方法包括 Quantile、Jenks、Percentile、Box 与标准差；但不同方法会得到不同边界，因而应由人确认参数后再运行。

同一原则也适用于空间连接、直方图和回归散点图。文档列出空间连接和回归散点分析，后者可按 selected、unselected 或 all 查看，并显示 R²、斜率、截距、p 值、标准误与 Chow test。这样的统计结果只能说明当前选择、字段和数据版本下的计算，不能自动证明因果关系或替代数据质量检查。Plot selection 会在地图上高亮选中记录，团队应把这类选择集连同输入图层版本一并保存。

技术路径

  1. 为每个会话声明可见范围：数据集、图层、变量名、截图区域和语音输入分别记录。

  2. 将所有 LLM 输出先转换为待确认的函数调用卡片，显示函数名、字段、空间关系、分类方法、阈值和目标图层。

  3. 用户确认后才执行；将返回结果写入带时间、输入版本和操作参数的候选图层。

  4. 对加载 URL、切换底图、创建变量图层、空间连接和统计图分别设置可用权限，不用“聊天已开启”代替操作授权。

  5. 导出或发布前，人工核对图层来源、坐标参考、字段含义、选择集与统计解释，并保留可重跑记录。

  6. 将 SQL 等文档标为即将推出的能力排除在生产流程之外，直到有稳定版本、权限与审计方案。

检查清单

  • 本次请求发送的是元数据、截图、音频还是实际空间要素，是否被分别说明？

  • 函数调用是否在执行前显示并确认字段、分类方法、空间关系和输出位置？

  • 新图层是否标记为候选结果，并保留输入数据和图层版本？

  • 空间连接、回归或分类的统计解释是否经过数据质量与业务人员复核？

  • 麦克风权限、截图范围和模型服务商是否符合组织的数据处理要求？

风险边界

kepler.gl 的一手文档仍将 AI Assistant 标为开发中功能。文档列出多种远程与本地模型路径，并不表示任一部署均适合敏感空间数据；模型、浏览器扩展、网络边界和身份认证都需要由部署方单独评估。浏览器内保留数据的表述也不能被延伸为对截图、音频和提示内容的无条件承诺。

更关键的是，助手执行的函数工具会改变地图状态。虽然后者在文档中要求用户确认每次调用参数，确认本身也只是操作授权，不能替代字段语义核验、空间精度检查、统计前提检验和正式发布审核。任何由助手创建的图层都应先作为候选成果，经人工复核后才进入权威数据集或对外地图。

资料依据

本文依据 kepler.gl AI Assistant 官方用户文档 撰写。功能开发状态、模型提供方式、截图与语音入口、浏览器内数据和元数据说明、函数确认、可用动作、分类方法、统计图与选择高亮均来自该一手文档；元数据分层、候选图层和发布审核流程为 GIS 生产建议。

结论

地图 AI 助手的价值不在于替人悄悄改图，而在于把意图转成可检查的空间操作。先限定元数据与多媒体输入，再逐项确认函数参数，最后把结果留在可审的候选图层中，才能让聊天界面进入 GIS 工作流而不丢失空间证据和责任边界。