零代码！手把手在 WorkBuddy 搭一个专属 GIS 数据处理助手
摘要 本文详细介绍了如何在WorkBuddy平台搭建GIS处理专用Skill的完整流程。作者分享了两类Skill的构建经验：通用的gis-assistant和专用的coord-batch-toolkit，覆盖了矢量/栅格分析、数据转换、可视化等GIS高频操作。文章重点阐述了Skill的三大核心要素：环境配置、工具决策树和领域专业知识，并提供了具体的Markdown编写示例。通过结构化整理工作流程和
上一篇我提到，处理太原那 200 条乱格式坐标时，我用了一个在 WorkBuddy 里自己搭的 skill——coord-batch-toolkit，半小时搞定了。
然后有朋友私信问我：「你那个 skill 怎么搭的？」
今天就把整个搭建过程拆开讲。不只是坐标转换那一个，我昨天还搭了一个更通用的 GIS 处理助手，覆盖矢量分析、栅格分析、批量处理、可视化……我工作里高频用到的 GIS 操作，全都塞进去了。
先把这个搭建思路说清楚，以后你可以按这套方法搭自己的专属助手。
WorkBuddy 的 Skill 是什么，agent是什么
在正式讲怎么搭之前，先解释一下 Skill 是什么东西。
WorkBuddy 里的 Skill，本质上是一个文本文件——你用 Markdown 把某个领域的操作规范、代码模板、常见问题、决策逻辑写进去，AI 加载这个文件之后，就带着这套专业知识来跟你对话。
简单说：Skill = 给 AI 的行业手册 + 操作流程 + 代码库
它和直接问 AI 的区别在于：普通对话里，你每次都得重复交代背景（"我用的是 ArcGIS Pro 3.5，环境是 arcgispro-py3……"）；有了 Skill，这些信息已经固化在里面，每次调用直接用，不用反复说。
更重要的是：Skill 是活的。你用得越多，发现新坑、新场景、新套路，直接往 Skill 里补——它就跟着你一起成长。用上三个月，它已经懂了你工作里 80% 的细节。
Agent 是一个有自主意识的执行者，它具备：
1. 身份（Identity）
我是谁？我叫什么？我的立场是什么？
就像你现在跟我对话——我有 SOUL.md、IDENTITY.md，这些就是在定义我这个 Agent 是谁。
2. 工具权限（Tools）
我能操作什么？
不同 Agent 可以有不同的权限——比如只能读文件、不能执行命令；或者可以联网但不能写磁盘。
3. 行为规则（Instructions）
我遇到 X 情况怎么办？
比如"回答只用中文"、"遇到地理数据优先用 arcpy"、"给用户报价前必须先确认需求"。
两者的区别：
故，本篇文章先将skills将讲清楚，后续根据需求，进一步封装为agent，具体封装过程，后面分享。
我搭了哪些东西
昨天我一共建了两个 Skill：
|
Skill 名称 |
定位 |
覆盖范围 |
|---|---|---|
gis-assistant |
通用 GIS 处理助手 |
集中 ArcGIS Pro、QGIS、Python、R 所有优势，覆盖矢量/栅格/数据管理/可视化/批量处理 |
coord-batch-toolkit |
坐标批量转换专用 |
格式识别 → 十进制度 → Shapefile → 制图 |
gis-assistant 是主力，覆盖了我日常工作 80% 的场景；coord-batch-toolkit 是从一个具体项目里提炼出来的专项工具，可以单独调用，也可以由 gis-assistant 转给它处理。
800
第一步：整理工作流程
搭 Skill 之前，先想清楚：要它帮你做什么？
我做的方式是把自己做 GIS 工作的常见场景列出来，然后按类型归组：
我的 GIS 工作场景
├── 数据处理
│ ├── 格式转换（shp/gpkg/geojson/kml 互转）
│ ├── 坐标系检测与转换
│ ├── 属性表增删改
│ └── 坐标格式清洗（这次的主角）
│
├── 空间分析
│ ├── 矢量叠加（缓冲/裁剪/融合）
│ ├── 栅格分析（DEM/插值/NDVI）
│ └── 水文分析（流域划定）
│
├── 数据质量
│ ├── 几何有效性检查
│ ├── 坐标范围合法性检查
│ └── 属性空值排查
│
└── 可视化
├── 交互式地图（Folium/Plotly）
├── 专题地图（R + ggplot2）
└── 统计图表（matplotlib）
归完类，我发现最高频的就这几块，重点放进 Skill 里，不常用的后续再加。
800
第二步：搭 gis-assistant（通用 GIS 助手）
这个是主力 Skill，我从三个维度来写：
一、本机环境配置
GIS 工具链比较复杂，不同电脑上的安装路径、版本都不一样。我把自己这台机器上已验证可用的配置全部写进去：
## 本机环境（已验证）
| 软件 | 版本 | 调用路径 |
|------|------|----------|
| ArcGIS Pro | 3.5 | C:\Program Files\ArcGIS\Pro\bin\Python\envs\arcgispro-py3\python.exe |
| QGIS | 3.44.0 | C:\Program Files\QGISQT6 3.44.0\bin\qgis_process-qgis-qt6.bat |
| Python | 3.11.11 | arcgispro-py3 环境 |
| geopandas | 1.1.1 | ✅ |
| folium | 0.20.0 | ✅ |
| rasterio | 1.4.3 | ✅ |
有了这段，AI 生成代码时会自动用我机器上的路径，不会生成一堆需要自己改的占位符。
二、工具选择决策树
这是我觉得最值钱的部分。
GIS 里同一件事通常有三四种做法（arcpy / geopandas / QGIS / GDAL / R），到底用哪个？有时候选错了要么跑不起来，要么性能很差。我把这套决策逻辑写成树状结构，把各大软件和编程语言的优势全揉进去——arcpy 的稳定、geopandas 的内存效率、QGIS 的算法丰富、R 语言的制图质量，按场景自动挑：
任务类型？
├── 栅格分析
│ ├── 水文分析（流域/汇水/河网）→ arcpy Spatial Analyst（优先）
│ ├── DEM 衍生产品（坡度/坡向）→ arcpy SA / gdal
│ └── 影像分类 → arcpy Image Analyst
│
├── 矢量分析
│ ├── 缓冲/叠加/裁剪 → arcpy（稳定）
│ ├── 大数据量（>50万要素）→ geopandas（内存效率更高）
│ └── 空间统计（热点/聚类）→ arcpy Spatial Statistics
│
└── 可视化
├── 交互式地图（HTML）→ folium / plotly（优先）
└── 静态地图出图 → R + ggplot2（出版质量优于 Python，别不服）→ arcpy Layout
AI 拿到这个之后，每次分析前会先判断任务类型，选对工具，而不是随机给你一段可能跑不通的代码。
有点题外话：静态专题图这件事，R + ggplot2 确实比 Python 强。配色、图例、版式、字体、图面元素……R 一套下来就是出版级，Python 得拼半天才能接近。我以前死磕 Python，后来老老实实用 R，节省的时间用来喝咖啡都够了。
三、领域专业知识
我主要做环境，可能涉及生态、水文方向，还有一些土地利用和人口数据。这些领域有自己的数据规范、常用算法、关键参数——这些东西不写进去，AI 生成的代码往往差那么一口气。
比如水文分析，必须先填洼（Fill），否则河网会断裂；比例尺分析必须用投影坐标系，不能用地理坐标（单位是度，结果会错）。这类「老手才知道的坑」，我都整理进了 Skill 里。
三调地类码对照表、行政区划代码规范这些查起来麻烦、但又用得很频繁的东西，也都放进去了，以后直接问就有。
第三步：搭 coord-batch-toolkit（坐标转换专项）
这个 Skill 更具体，就是针对坐标格式混乱这一类问题。
为什么单独建一个，而不是直接塞进 gis-assistant？
原因很简单：代码量太大，全塞进去 Skill 文件会变得臃肿，而且坐标转换是一个高频独立场景，单独一个更清爽。
这个 Skill 的核心是三步标准流程：
① 格式识别与转换
输入：混乱格式 CSV（DMS/DM/DD 混杂）
输出：统一十进制度 CSV
② 转为矢量 Shapefile
输入：十进制度 CSV
输出：点 Shapefile（EPSG:4326）
③ 专题制图
方式一：Folium 交互地图（HTML）
方式二：R 语言专题图（A4/300DPI JPG）
800
Skill 里写了 parse_coord() 函数的调用规范，能识别的格式包括：
|
格式名 |
示例 |
|---|---|
|
度分秒（DMS） |
112°29′46.40″E |
|
度分（DM） |
112°29.7734′E |
|
十进制度（DD） |
112.711151E |
|
空格分隔 |
112 29 46.40 |
|
异常格式 |
112.29.46
（小数点分隔度分秒） |
还有一些关键的工程细节也写进去了——比如 Shapefile 字段名不能超过 10 个字符，中文字段会被截断，需要用英文字段名；比如底图 Shapefile 如果是 GBK 编码，要先用 Python 转成 UTF-8 再给 R 读。这些都是踩坑总结，写进 Skill 就再也不用踩第二遍。
第四步：安装到 WorkBuddy
写完 Skill 之后，安装很简单：
1. 建文件夹结构
~/.workbuddy/skills/
├── gis-assistant/
│ ├── SKILL.md ← 主文件，AI 读这个
│ ├── scripts/ ← 代码模板（可选）
│ └── references/ ← 参考文档（可选）
│
└── coord-batch-toolkit/
├── SKILL.md
├── scripts/
│ ├── coord_converter.py
│ ├── coords_to_shp.py
│ └── map_points_r.R
└── references/
└── coord-formats.md
2. 把内容写进 SKILL.md
就是一个 Markdown 文件，按照上面我说的三个维度来写：环境配置 → 决策逻辑 → 领域知识 → 代码模板。
3. 放到指定目录
WorkBuddy 的 Skill 目录是固定的：C:\Users\你的用户名\.workbuddy\skills\
把建好的文件夹放进去，WorkBuddy 重启之后就能识别。
4. 调用
@skill://gis-assistant
帮我检查这份 Shapefile 的数据质量
或者：
@skill://coord-batch-toolkit
帮我转换这份经纬度数据：
- 输入：G:/data/太原坐标.csv
- 经度列：经度
- 纬度列：纬度
搭完之后的实际感受
搭这两个 Skill 大概花了我两个多小时。
前期整理工作流程、写决策树、翻出以前踩过的坑——这部分花时间最多，但这些东西本来就应该整理。其实写 Skill 的过程，就是一次对自己工作方法的梳理。
搭完之后的变化：
- 省去了大量重复交代背景的时间
：以前每次都要说「我用的是 ArcGIS Pro，Python 在这个路径……」，现在 AI 直接知道
- 代码生成质量明显高了
：因为有了工具决策树，给的代码不再是「凑合能跑」，而是适合我场景的最优选择
- 坑踩少了
：领域知识写进去了，水文分析自动提醒先填洼，比例尺计算自动提醒要投影，这种事 AI 会主动说而不是等你踩完再说
你也可以搭自己的助手
GIS 领域很宽，每个人的工作场景都不一样。我的 Skill 是按我自己的工作定制的——环境/生态/水文为主，ArcGIS Pro 环境，Python + R 技术栈。
你如果是做城市规划的，决策树里的优先项就会不一样；如果主要用 QGIS，环境那块也要换。
搭建思路是通的，内容得根据自己的实际情况填。
搭的时候有几个建议：
- 从最高频的场景开始
，别一上来就想做全覆盖，先把用得最多的 20% 场景做好
- 把踩过的坑写进去
，这比什么都值钱
- 代码模板要带路径变量
，修改起来方便
- 决策逻辑要写清楚为什么
，不只是「用哪个工具」，还要说「什么情况下用哪个」
福利：我的两个 Skill 源码开放
既然写到这里，我把我搭的两个 Skill 的源码整理好了，包括：
gis-assistant/SKILL.md—— GIS 通用处理助手完整配置
coord-batch-toolkit/SKILL.md—— 坐标转换专项助手完整配置
coord-batch-toolkit/scripts/—— 坐标转换 Python 脚本 + R 制图模板
安装方法：解压后放到 ~/.workbuddy/skills/ 目录下，重启 WorkBuddy 即可。
获取方式：点赞 + 关注本号，私信发送「GIS助手」，我把完整源码发给你。
写在最后
搭一个专属 GIS 助手，本质上是在把你多年积累的工作经验结构化，让 AI 能理解、能用。
这件事花的时间不多，但带来的复利是长期的——以后每次处理 GIS 数据，都是站在这套经验积累上往前走。
当然，这都是刚开始弄，过程中有很多做的可能不是很对的地方，在咱们的交流过程中后续逐步改正，最终肯定会越来越完善。
👇 你用什么工具做 GIS 数据处理？有没有高频但烦人的重复操作？留言聊聊。
扫码关注公众号
获取【GIS与AI】实战经验、源码模板、避坑指南
GIS+AI 系列 | 专注实战经验分享
封面和摘要
上一篇我提到，处理太原那 200 条乱格式坐标时，我用了一个在 WorkBuddy 里自己搭的 skill——
修改封面和摘要
一站式 AI 云服务平台
更多推荐
15
0- 0
已为社区贡献1条内容
所有评论(0)