最近关注 GIS 内容的朋友应该发现了：信息流里的 QGIS 教程，一半已经从"怎么点菜单"变成了"怎么让 AI 帮忙画图"。这不是错觉，今年 6 月开始，Claude、Codex、腾讯的 WorkBuddy 等 AI 模型和助手平台通过 MCP 协议接入 QGIS 的实测，在小红书、B站、知乎上持续冒出来：AI 不再告诉你怎么做，而是直接在软件里动手。哔哩哔哩标志性事件在 7 月底：北京航空航天大学 90 后副教授何静发布《Claude Code+Codex For QGIS 地图制图评测报告》，围绕数据、分析、制图、更新四个阶段系统测试了这种协作方式。知乎报告发布后，各平台实测帖的密度明显变高，B站三天前还有新的演示视频上传。哔哩哔哩
那么问题来了：现在值不值得上车？我把几个平台的实测内容核了一遍，先说结论：这事是真的，但没有视频里那么神，你能走哪条路，取决于你是哪类人。
AI 在 QGIS 里真能干的事
先看评测报告验证过"能用"的部分，确实都打在 GIS 的痛点上：
数据盘点：让 AI 遍历文件夹，自动识别每个图层的格式、几何类型、坐标系、要素数量，输出清单和异常清单，原本数小时的人工活被压缩到脚本生成加运行的时间。知乎
串联分析：以"学校周边 500 米餐饮设施统计"为例，传统操作要筛选学校点位、检查坐标系、重投影、生成缓冲区、空间连接、统计输出至少 6 步，现在 AI 能把全流程一次串完。
复合更新：这条最实用，选址规则从"工业或商业用地"改成"仅工业用地"，道路距离从 500 米改到 1000 米、面积从 2 公顷改到 5 公顷，封装好的流程能重新筛选候选地块并输出对比，"数据一变、全流程重做"的顽疾有解了。知乎
但冷水也得泼。小红书上声量最大的实测帖《用Claude 操控QGIS，分享一些使用感受》两千一百多赞、两千五百多收藏，作者是从 ArcGIS 转投 QGIS 的老用户，因为 Mac 上跑 ArcGIS 不方便，才尝试让 Claude 来控制 QGIS。她的体验是：配置不用到处找教程，直接问 Claude 就行，整个过程大约 1 小时搞定。
不过她也如实记录了一个翻车瞬间：第二轮对话时，AI 不小心把她的所有图层删掉了。小红书她对效果的结论也很直白：离一键出图还有距离，AI 给的配色方案最后还是要手动微调。
别急着装插件：四条路线，适配人群完全不同
把评测报告和各平台的实测放在一起看，玩法其实只有四条，成本和适用人群差别很大：
路线一：AI 写 PyQGIS 脚本，你自己跑。 零配置，在任何 AI 对话框里描述需求，把写好的脚本粘进 QGIS 的 Python 控制台执行。最适合纯新手，任务做完还能看懂代码是怎么写的，边用边学，不会踩部署的坑。
路线二：AI 调 Processing 工具链。 缓冲、叠加、统计这类标准分析，由 AI 负责串工具、填参数，你负责核对中间结果，适合有一定基础、想批量跑标准分析的人。
路线三：MCP 直连正在运行的 QGIS。 这是大多数视频演示的玩法：在 QGIS 里装 QGIS-MCP 插件并启动服务端，再在 AI 客户端里配好连接，之后 AI 就能直接加图层、改样式、出图。目前主流的 qgis-mcp 服务端已提供 118 个常用工具，基本功能覆盖得差不多了。知乎有实测用户用 Codex 读取 geojson 文件、转换坐标系、再叠加回画布，整条链路一次跑通。
注意部署天然是两截的：插件端和服务端缺一不可，少一个都连不上，这是后面部署坑的总根源。
路线四：把流程封装成 Skill。 反复用的流程固化成可复用的技能，下次一句话调用，结果还能自动校验。社区已有开源的 GIS Skill，把"输出不得覆盖输入"这类安全规则写进了默认逻辑，适合每天重复同一套流程的打工人；流程还没固定下来的，先观望。
三个坑，翻车的人基本都栽在这
坑一：坐标系。 最高频也最致命，AI 可能忽略坐标系，直接拿经纬度计算"50 米缓冲区"。知乎经纬度是角度不是米，不先投影，算出来的缓冲、面积、距离全是错的。对策很直接：提示词里明确要求"先检查坐标系，任何空间计算前先投影"，成熟的工具干脆把它做成默认规则——输入还是地理坐标系，就先停下来要求投影。
坑二：原始数据。 更隐蔽的一种翻车，是脚本直接覆盖原始数据，打开结果时才发现出了问题。知乎所以动手前养成一个肌肉记忆：拷贝一份数据再 processing，输出路径永远不等于输入路径，这不是胆小，是有人把它写进了开源项目的第一条规则。
坑三：部署。 按实测用户的记录，配置失败大多集中在三件事：JSON 配置文件格式错、QGIS 的 MCP 服务没启动、AI 客户端版本太旧。小红书再记住部署是两段式的：因为 PyQGIS 只能在 QGIS 进程里正常工作，插件和服务缺一不可。知乎
这些坑也不是无解，社区已经在系统性地补：输出必须落到新文件、缓冲和面积必须先投影、每次处理完把结果重新读回来校验要素数量和坐标系，再留一份可核对的操作记录。换句话说，靠谱的方向已经从"AI 告诉你怎么做"，走向"AI 可靠地替你做完、并且拿得出证据"。
谁现在就能上，谁该再等等
按人群直接给答案：
纯新手、还没装 QGIS 的：值得试，从路线一开始。AI 把最痛苦的"找教程、跟教程"环节砍掉了，有实测用户的说法是，以前学软件找到的教程不一定正好适用自己的环境，现在直接问就能当场解决。小红书
写论文的学生党、偶尔处理数据的研究者：路线三的 MCP 值得花一小时配置，数据盘点和批量处理回本最快；实在不想装插件，就让 AI 写脚本自己跑，殊途同归。
流程固定的打工人：重点盯路线四的 Skill，判断成熟度的标准很简单：输出是不是落到新文件、结果能不能在软件里打开核对、过程有没有记录。知乎
制图审美党、重度出图用户：先别上车。AI 暂时只能出毛稿，配色、布局、细节微调还得自己动手，连实测用户都说，有些操作手动更快，分清什么时候用 AI、什么时候手动，才是真效率。
这波趋势的终局，其实已经能看到雏形：AI 负责重复、可串联、可校验的活，人负责数据判断和审美。而 AI 做完的每一步成果，最终都要能在 GIS 软件里重新打开、核对无误，才算真的完成。
几个值得收藏持续盯的信号：MCP 工具集是否继续扩容（主流服务端目前 118 个工具，还在更新）、QGIS 4.x 版本线与这些 AI 工具的适配进展、有没有更多带安全校验的评测报告出来。如果半年后这个方向还停在"演示级"，热度自然会退潮；如果"AI 毛稿 + 人工精修"变成公认的工作流，早摸清工具脾气的人会更从容。
最后给想动手的人一个起手式：先确认 AI 客户端和插件版本都别太旧，连上之后先让它做一件无害的小事，比如"列出当前工程里的图层"，确认它不会乱动你的图层，再谈让它画图。
