GeoAI 智能体别把经验塞回模型：把工作流、修正与数据约束留在可审计记忆里

遥感智能体的难点不只是会调用工具，而是每一次工具调用都必须符合传感器语义、数据产品依赖、空间时间兼容性与参数要求。若把成功经验仅写在对话上下文中，它无法跨任务复用；若把未经核验的轨迹直接用于训练，又会把错误固化。GeoForge 提出一种不更新底座大模型的路线：把完成的、基于证据的轨迹整理为外部执行记忆，并在下一次任务中作为受约束的先验。

可核查事实

  • 论文《GeoForge: Non-Parametric Self-Evolving Agents for Earth-Observation Reasoning》于 2026 年 8 月 11 日提交 arXiv。
  • 论文将 EO 智能体的约束概括为传感器语义、产品依赖、空间和时间兼容性、参数要求。
  • GeoForge 是训练免更新的自演化框架：执行状态保留在底座 LLM 外部，不改动底座参数。
  • 系统先由感知上下文约束操作空间，再从三类互补记忆中检索与任务相关的执行先验。
  • 工作流图记忆保存全局操作顺序；动作级经验保存局部修正；适配技能 SOP 保存可复用程序、数据需求与参数约束。
  • 推理时，当前观测和地理产品仍是最终答案的证据基础；检索到的记忆只用于指导工具执行。
  • 每个任务结束后，系统通过安全门控蒸馏，把已落地的轨迹转成可供后续检索的执行知识。
  • 在 Earth-Bench 的表格中，GeoForge 使用 Qwen3-Max 后的若干指标为 79.26、61.97、51.28、25.67、69.72；论文同时报告多个 LLM 底座上的任务与轨迹质量提升。

核心机制

这套设计把“如何做”拆成三层，而不是存成一段模糊提示词。工作流图回答一个 EO 任务通常先后需要哪些操作；动作经验保存某一步该如何纠错；SOP 则约束数据、参数和步骤。检索得到的先验会与确定性的 EO 指引拼接，例如先检查可用数据资产、按模态和采集时间组织输入、优先选时空兼容的数据产品。

关键边界在于证据不应被记忆替代。历史轨迹只能减少规划空间，当前任务的影像、栅格、矢量、元数据和工具输出仍必须支持最终结论。安全门控也意味着失败、无证据或违反数据约束的轨迹不能自动进入可复用库。

GIS 场景

以洪涝分析为例，智能体可以先检查研究区、时间窗和可用的光学/SAR 影像，再选择适配的预处理、变化或水体工具，最后输出候选淹没面及其证据包。成功轨迹可记录“何时用 SAR、何时需要云掩膜、哪些参数必须显式声明”，但不能让下一场洪水直接复用上一场的范围或结论。

对平台团队而言，最实用的产物不是一个会聊天的代理，而是带输入版本、工具版本、参数、输出路径、空间范围、时间范围、日志和人工审核状态的运行记录。它能让相似任务更快起步，也允许人追溯、纠错和删除不可靠经验。

技术路径

  1. 为每个工具定义输入模态、空间参考、时间范围、参数范围、输出结构和失败条件。
  2. 将运行轨迹拆成工作流顺序、单步修正和 SOP 三类记录，并绑定实际证据和版本号。
  3. 检索时先按任务类型、传感器、研究区尺度和时间窗过滤，再把候选先验交给规划器。
  4. 每一步执行后验证数据兼容性、几何范围、单位、空值和输出质量；最终答案必须引用本次运行的证据。
  5. 仅把通过规则检查和人工抽检的轨迹写入记忆；保留禁用、失效、回滚和删除入口。

检查清单

  • 每个工具是否声明数据模态、CRS、时间、单位、参数与输出契约？
  • 检索记忆是否与当前传感器、时相、空间范围和任务目标匹配？
  • 最终地图和文字结论是否能回到当前影像、数据产品和工具输出？
  • 失败轨迹、低置信轨迹和人工否决轨迹是否不会进入复用库？
  • 是否记录工具版本、输入摘要、参数、操作顺序和审核人？
  • 是否能将某条 SOP 或动作经验停用、替换和回滚？

风险边界

论文的基准表现不能证明任意 EO 工作流在本地即可可靠。外部记忆若缺少版本、适用范围和证据绑定，会把旧传感器设定、过期数据产品或错误参数传播给新任务。安全门控不能替代人对遥感语义、空间关系和业务后果的审核；用于执法、应急或权威资产更新时，输出仍需独立复核。

关键词口径

本文所称 GeoAI智能体 是执行遥感推理的 EO agent；工作流记忆保存步骤先验，SOP 固化数据约束，工具调用全程写入 GIS审计 日志。

资料依据

本文依据 Xiao 等人的 arXiv 论文《GeoForge: Non-Parametric Self-Evolving Agents for Earth-Observation Reasoning》v1 撰写。三类记忆、感知约束、当前证据优先、安全门控蒸馏及 Earth-Bench 表格数值均来自该论文；本文的工具契约、版本化轨迹与人工治理措施为 GIS 部署建议。

结论

让 GeoAI 智能体变得更可靠的路径，不是不断把经验写回大模型，而是把可验证的工作流结构、局部纠错与数据约束放入可审计、可撤销的外部记忆。历史经验负责缩小搜索空间，当次证据负责支撑结论，人负责决定哪些经验可以留存。