给我的ArcGIS Pro装个“AI外挂”，开发过程全公开！
- Published on
【ArcGIS Pro AI助手开发日志 #1】
嘿，各位还在用ArcGIS Pro“搬砖”的兄弟姐妹们，ArcGIS Pro这个软件，强是真强，但烦也是真烦。想写个ArcGIS脚本自动处理点东西，是不是经常不记得要用哪一个工具，或者ChatGPT信誓旦旦告诉你要用某个工具，但是在你的ArcGIS Pro软件中，你却找不到它。
又或是写arcpy代码却卡在这种地方：
比如，你要用arcpy.da.UpdateCursor。你的VS Code很聪明，提示你field_names参数需要一个列表。官方文档也给你看了个基础示例。但真正的麻烦，藏在细节里：
可读性的噩梦：你定义了
field_names = ["PROCESS_STATUS", "LAST_EDITOR", "SHAPE@X"]。进了for row in cursor:循环后，你就得开始玩“猜猜我是谁”的游戏。row[0]是状态，row[1]是编辑者，row[2]是X坐标... 等你写到row[4]的时候，早忘了它对应哪个字段了。你想的明明是row.status = 'Complete'，写的却是row[0] = 'Complete'。这种代码，过一个月连你自己都看不懂。恼人的语法“陷阱”：只想更新一个字段？行。但如果你想用元组，就得写成
("my_field",)。忘了那个逗号，写成("my_field")？恭喜，它变成了一个字符串，程序会在运行时给你一个莫名其妙的错误，让你排查半天。“然后呢？”的困惑：文档示例告诉你怎么
updateRow()，但它没告诉你，在复杂的脚本里，更新完之后通常最佳实践是什么。需不需要手动释放锁？这个游标跟另一个要素类的编辑会话有冲突吗？你需要的是一套解决问题的“组合拳”，而不只是一个孤零零的招式。
Esri官方倒是在搞AI助手，但现在还是Beta版，想用上不知道得等到猴年馬月。
看过“AI焦虑”与 Esri 的“答案”文章的应该感受到来自于ai的压力了。
我就想，求人不如求己。咱也是玩Python的，现在AI这么火，干嘛不自己动手，给ArcGIS Pro搞一个“AI外挂”呢？一个能随叫随到、啥都懂的私人小助理。
于是，这个疯狂又好玩的项目就这么开始了！
我想要个什么样的“AI外挂”？
我理想中的它，应该特简单、特直接。
初期，它是一个文档和代码专家。直接在一个对话框里问它：
“哥们儿，咋用代码把一个图层按另一个图层的边界给切了？给个最佳实践的例子。”
然后它会告诉我：
“用
arcpy.analysis.Clip()，来，代码都给你写好了，拿去用吧！不光如此，我还加了try...except块来处理可能的错误，并用了arcpy.Exists()来检查输入文件，更稳当！”
但我们的野心不止于此！未来，我希望它能进化成一个真正的数据分析师。我可以直接问它：
“帮我查一下，在我项目里的
'商业设施'图层里，'设施类型'字段为'超市'的要素有多少个？”
然后它能自己去理解我的项目、查询数据、并返回答案：“一共有37个。”
它得是我的第二个脑子，帮我记住所有那些繁琐的工具名、最佳实践和代码片段，甚至能直接帮我分析数据，让我能专心于更高层次的思考。
本系列的完整冒险地图（动态更新）
这篇文章是我《给我的ArcGIS Pro装个“AI外挂”》系列的第一期，主要是立个Flag，顺便看看大家对哪个方向最感兴趣。我初步规划了咱们的冒险地图，后续更新的文章链接我也会在这里补上，方便大家索引：
- 【第一站】万丈高楼平地起：手把手带你构建我们所有实验的“统一知识大脑”——一个塞满了ArcGIS Pro帮助文档的Weaviate向量数据库。（本文就是序章）
- 【第二站】零代码的快乐：体验Google NotebookLM、Dify这类无代码/低代码平台，看看不动一行代码，我们能把AI助手做到什么程度。
- 【第三站】核心代码揭秘（上）：深入了解LangChain，用Python从零开始实现一个基于文档的问答机器人，了解如何实现Dify一样的效果，并把它和Dify的效果做个横向评测。
- 【第三站】核心代码揭秘（中）：深入LangChain和Langgraph，实现更复杂、更准确的索引查询。
- 【第四站】核心代码揭秘（下）：继续深挖，用LlamaIndex实现更高级RAG工具能不能让我们的文本嵌入和检索更进一步，看看它对比LangChain效果能提升多少。
- 【未来展望】：探索如何让我们的AI助手拥有“读懂”地理数据的能力，实现用自然语言直接查询和分析你的GDB/Shapefile！
别光看我做，一起来玩！
我决定，把我从零开始，捣鼓这个AI助手的整个过程，原原本本地记录下来。这个系列不玩虚的，不只给你看最后成功亮闪闪的代码。我会把所有走过的路，包括：
- 怎么想的：我为啥选这个技术，不选那个。
- 踩了哪些坑：有哪些地方我搞了半天发现是错的，帮大家提前避雷。
- 不同方案的PK：咱会试试各种不同的玩法，看看哪个效果最好，哪个最省事。
总之，跟着这个系列，你就算是个AI小白，也能看明白、学得会。
开工！先给AI造个“大脑”
下一篇文章，我们就正式动工！第一件事，就是给咱们未来的AI助手，准备一个装满知识的“大脑”。具体来说，我们要：
- 把ArcGIS Pro自带的那些HTML帮助文档都扒下来。
- 把这些文档切成一小块一小块，让AI能“消化”。
- 用OpenAI的模型把这些知识转化成AI能理解的“向量”。
- 最后，把这些“向量”都塞进一个叫 Weaviate 的向量数据库里。
这个数据库，就是我们所有后续实验的“大本营”！
说实话，我自己也对这个项目充满了期待。我相信AI不是来抢我们饭碗的，而是我们手里最好用的“瑞士军刀”。
如果你也觉得这事儿有意思，想一起见证一个专属的AI小助理的诞生，或者想第一时间收到后续的更新，可以通过页面底部的联系的方式找到我。
欢迎在评论区里疯狂吐槽你在ArcGIS里遇到的烦心事，或者聊聊你对这个系列、对哪个技术方向最感兴趣。你们的反馈会直接影响我后续内容的侧重点！