川海智库

报告概述

本报告评测了Claude Code与Codex在QGIS地图制图中的应用能力。报告围绕GIS工作流中数据整理、空间分析、专题制图和成果更新四个阶段，系统测试了四种实现路径：PyQGIS脚本、Processing工具链、MCP接口和Skill封装。通过北京交通图、中国铁路图、疫情热力图、全球航线图等综合案例，展示了自然语言驱动空间分析工作流的可行性与效率提升。报告适合GIS从业者、空间数据分析人员及自动化工作流探索者阅读。

报告的核心结论

Codex可将自然语言需求转化为可执行的QGIS工作流。

报告通过多个案例验证，Codex能够理解'500米缓冲区'、'按街道统计人口密度'等空间任务语言，自动拆解为数据读取、坐标系检查、空间分析、制图导出等步骤，实现从自然语言到GIS成果的端到端执行，显著降低GIS操作门槛。

四种实现路径覆盖不同场景，各有适用边界。

报告指出，PyQGIS脚本方式适合代码复现和批量处理；Processing工具链方式对标准空间分析任务稳定可靠；MCP接口方式能直接操作已有QGIS项目；Skill封装方式适合标准化高频流程。用户应根据任务类型选择合适路径。

Skill封装可将个人经验沉淀为团队可复用的标准化能力。

报告展示了通过无代码、低代码和项目专用三层Skill自定义方式，将坐标检查、POI统计、批量制图等高频流程标准化。这使得一次性操作变成可复用能力，减少重复劳动，提升团队协作效率。

QGIS正从'专家点击式操作'走向'自然语言驱动的空间智能工作流'。

报告分析了五大趋势：从脚本生成到项目级操作、从单步工具到完整工作流、从通用分析到行业场景化、从单机QGIS到多工具协同、从临时操作到Skill沉淀。这些趋势共同指向GIS工具自动化向空间智能工作流的演进。

报告回答的关键问题

如何用自然语言完成QGIS空间分析？

报告指出，通过Claude Code和Codex，用户可以用自然语言描述需求（如'统计学校500米内公交站数量'），系统自动生成PyQGIS脚本或调用Processing工具链，完成缓冲区生成、空间连接和统计输出，无需手动操作多个工具。

Codex能自动完成QGIS专题制图吗？

是的。报告通过MCP方式测试了POI分布图、热力图、批量制图和模板复用等制图任务。Codex能根据自然语言指令设置图层样式、添加图例比例尺、导出PDF/PNG，甚至基于已有模板快速替换制图内容，实现制图自动化。

GIS数据清洗和坐标系修复能否自动化？

报告数据阶段案例显示，Codex可生成脚本自动遍历文件夹识别图层、检查坐标系、诊断空间偏移，并通过边界图层和底图判断点位是否套合。对于CRS缺失或声明错误，能给出修复建议并另存新文件，大幅减少人工排查时间。

GIS项目更新时如何避免全流程重做？

报告展示了MCP和Skill方式的联动更新能力：新增数据后自动合并统计、重算分类结果并更新地图；调整研究区边界后重新筛选点位并输出对比表；多参数复合更新时，只需修改规则即可复用原有分析流程。这解决了'数据一变全流程重做'的痛点。

完整报告包含什么

  • 四个综合案例详细流程：北京交通图、中国铁路图、疫情热力图、全球航线图的完整实现步骤和代码示例。
  • 数据阶段案例：多源空间数据整理脚本、坐标系诊断与修复MCP操作、字段清洗与属性规范化、无效几何检查与修复的工具链流程。
  • 分析阶段案例：缓冲区服务范围分析、POI分类统计、土地利用结构统计、选址适宜性分析Skill、DEM坡度坡向分析、DEM裁剪与高程统计。
  • 制图阶段案例：空间分析制图MCP操作、POI设施类型分布图、POI空间热力图、按设施类型批量制图、地图布局模板复用。
  • 更新阶段案例：单图层样式修改、新增数据联动统计、边界调整后结果重算、多参数复合更新（Skill方式）。
  • 四种实现路径的对比说明（PyQGIS脚本、Processing工具链、MCP方式、Skill封装），包括优缺点和适用场景。
  • GIS行业Skill列表与自定义三层方法（无代码、低代码、项目专用Skill）的详细指南。
  • 应用价值总结与五大发展趋势分析：从工具自动化走向空间智能工作流。
  • 视频教程链接（材料中提及）。
  • 相关工具ZeeLin AI Scientist的简介与获取方式（材料中末页）。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告