【腾讯位置服务开发者征文大赛】WorkBuddy + tencentmap skill 打造从“查地图“到“对话地图“—— AI 赋能 + 腾讯地图 API 打造智能出行规划助手

黛琳ghz

1403人浏览 · 2026-05-08 03:04:01

黛琳ghz · 2026-05-08 03:04:01 发布

文章目录

💡 核心观点：地图不应该是"你输入坐标、它输出路线"的被动工具，而应该是听得懂自然语言、看得见真实道路、会主动规划行程的出行大脑。本文完整呈现从原型到进阶的升级全过程。

在这里插入图片描述

腾讯位置服务官网：https://lbs.qq.com

一、痛点：地图交互的最后一个短板

1.1 我们和地图之间，还差一个"翻译层"

你有没有过这种经历：

周末想带孩子和老人出去转转，打开地图 App，输入目的地……然后不知道去哪
想规划一个"不太累、有好吃、适合拍照"的半日游，结果在搜索框里只能一个关键词一个关键词地搜
出差到陌生城市，想找酒店附近步行可达的餐馆，还要自己判断距离、方向、评价

问题出在哪？

传统地图的交互逻辑是 “坐标驱动”——你给坐标，它画线。但用户真正的需求是**“意图驱动”**的自然语言：「帮我规划一个适合周末亲子的路线，不要太累，有室内外结合，午餐人均 80 以内。」

这就是 AI + 地图 要解决的核心问题：让地图从"工具"进化为"大脑"。

1.2 本文升级版 Demo 解决的核心问题

初版 Demo 存在几个明显短板（自我剖析）：
在这里插入图片描述

问题	影响	升级方案
AI 意图解析用简单 `includes` 匹配，融合度约 40%	用户说"带娃出去玩"无法准确识别为亲子游	接入 LLM API + 扩展本地语义映射表
路线用直线连接，未贴合真实道路	可视化效果差，用户不信任	解码 polyline + 逐段调用 direction API
景点排序按 popularity，未考虑距离	推荐路线绕远、不紧凑	调用距离矩阵 API + 贪心最近邻算法
IP 定位函数定义了但未调用	每次都要手动选城市	初始化时自动 IP 定位
搜索框无自动补全	用户输入体验差	接入 suggestion API + 300ms 防抖下拉

二、技术架构：三层 + 双引擎

2.1 三层架构

在这里插入图片描述

层级	核心能力说明
用户交互层 (UI Layer)	自然语言输入、意图解析、搜索补全、结果可视化
AI 决策层 (AI Layer)	LLM意图理解、参数抽取、距离矩阵编排（支持OpenAI兼容接口/本地降级双引擎）
腾讯位置服务层 (Map Layer)	WebService API/JSAPI GL/小程序地理编码、POI搜索、路线规划、距离矩阵 IP定位、输入提示、坐标转换、热力图

核心升级：AI 决策层现在支持"双引擎"——有 LLM API 走云端，没有则自动降级到本地智能规则引擎，保证 Demo 在任何环境下都可运行。

与 workbuddy 对话过程如下图。
在这里插入图片描述

2.2 涉及的腾讯位置服务能力

能力	API	用途	对应 Skill
地理编码	`/ws/geocoder/v1`	地址 → 坐标	tencentmap-webservice-skill
逆地理编码	`/ws/geocoder/v1`	坐标 → 地址描述	tencentmap-webservice-skill
关键词搜索	`/ws/place/v1/search`	搜索景点/餐厅/酒店	tencentmap-webservice-skill
输入提示	`/ws/place/v1/suggestion`	搜索框自动补全	tencentmap-webservice-skill
驾车路线	`/ws/direction/v1/driving`	驾车导航	tencentmap-webservice-skill
步行路线	`/ws/direction/v1/walking`	步行导航	tencentmap-webservice-skill
公交路线	`/ws/direction/v1/transit`	公交出行	tencentmap-webservice-skill
骑行路线	`/ws/direction/v1/bicycling`	骑行规划	tencentmap-webservice-skill
距离矩阵	`/ws/distance/v1/matrix`	批量距离/时间计算	tencentmap-webservice-skill
IP 定位	`/ws/location/v1/ip`	用户位置自动获取	tencentmap-webservice-skill
坐标转换	`/ws/coord/v1/translate`	GPS→GCJ-02 坐标转换	tencentmap-webservice-skill
JSAPI GL 初始化	`TMap.Map`	地图初始化 + 体验 Key 获取	tencentmap-jsapi-gl-skill
MultiMarker	`TMap.MultiMarker`	多点标记渲染	tencentmap-jsapi-gl-skill
MultiPolyline	`TMap.MultiPolyline`	真实道路折线渲染	tencentmap-jsapi-gl-skill
热力图	`TMap.visualization.Heat`	POI 密集度可视化	tencentmap-jsapi-gl-skill
InfoWindow	`TMap.InfoWindow`	点击标记弹出详情	tencentmap-jsapi-gl-skill
小程序地图组件	`<map>` + MapContext	移动端地图交互	tencentmap-miniprogram-skill

三、实现详解：从原型到进阶的完整升级

3.1 AI 意图解析：双引擎设计（升级核心）

与 workbuddy 对话过程如下图。
在这里插入图片描述

升级前：简单字符串匹配，query.includes('亲子') 这种方式，覆盖面窄，无法处理语义变体。

升级后：支持 LLM + 本地双引擎，融合度从 40% 提升到 90%+。

3.1.1 LLM 引擎（云端）

// AI_ENGINE.config - 支持任何 OpenAI 兼容接口
config: {
    mode: 'llm',  // 切换为 llm 模式
    apiUrl: 'https://api.deepseek.com/v1/chat/completions',
    apiKey: 'YOUR_KEY',
    model: 'deepseek-chat'
    // 也支持腾讯混元、OpenAI、Qwen 等所有兼容接口
}

Prompt 设计要点（保证结构化输出）：

你是一个出行意图解析器。根据用户输入，输出结构化 JSON。
可用城市：北京、上海、广州、杭州、深圳
出行类型：general(通用)、family(亲子)、food(美食)、culture(文化)、tour(旅游)、leisure(休闲)

输出格式：
{
  "city": "城市名",
  "type": "出行类型",
  "preferences": ["偏好1", "偏好2"],
  "keywords": ["搜索关键词1", "关键词2"],
  "from": "起点名(如无则为null)",
  "to": "终点名(如无则为null)",
  "transport": "driving/walking/bicycling/transit",
  "confidence": 0.95
}

3.1.2 本地规则引擎（降级，智能版）

当用户没有配置 LLM API 时，自动降级到扩展后的本地语义映射表：

// 扩展后的语义映射（覆盖 7 种类型 × 3-6 个同义词）
const typeMap = [
    { patterns: ['亲子', '孩子', '小孩', '宝宝', '儿童', '带娃'], type: 'family', prefs: ['亲子友好', '步行距离短', '有室内备选'] },
    { patterns: ['美食', '吃', '餐厅', '小吃', '好吃', '餐饮', '馆子'], type: 'food', prefs: ['特色餐饮', '口碑好'] },
    { patterns: ['一日游', '游玩', '旅游', '旅行', '行程', '打卡'], type: 'tour', prefs: ['景点丰富', '路线合理'] },
    { patterns: ['轻松', '不太累', '休闲', '休闲游', '放松', '佛系', '不赶'], type: 'leisure', prefs: ['轻松休闲', '避免爬山'] },
    { patterns: ['文化', '博物馆', '艺术', '历史', '古迹', '展览'], type: 'culture', prefs: ['文化体验'] },
    { patterns: ['购物', '逛街', '商场', '买东西'], type: 'shopping', prefs: ['购物便利'] },
    { patterns: ['老人', '爸妈', '长辈', '老年', '父母'], type: 'general', prefs: ['轻松休闲', '步行距离短', '避免爬山'] },
];

关键升级：还支持「从 X 到 Y」的起点终点识别正则，以及城市模糊匹配（「魔都」→ 上海，「帝都」→ 北京）。

3.2 真实道路渲染：Polyline 解码 + 逐段规划

与 workbuddy 对话过程如下图。
在这里插入图片描述

升级前：用直线连接各景点，视觉效果差，用户不信任。

升级后：调用 direction API 获取每段路线的真实道路 polyline，解码后渲染。

3.2.1 前向差分解码（腾讯地图独有格式）

WebService API 返回的 polyline 是前向差分压缩数组：

前两个元素为绝对坐标（纬度、经度，需 ÷10⁶）
后续每两个元素为整数差值（同样需 ÷10⁶）

// Polyline 前向差分解码（腾讯地图 WebService API 特有格式）
function decodePolyline(encoded) {
    if (!encoded || encoded.length < 2) return [];
    const points = [];
    let lat = encoded[0] / 1e6;   // 第一个点：绝对纬度
    let lng = encoded[1] / 1e6;   // 第一个点：绝对经度
    points.push({ lat, lng });
    // 后续点：整数差值累加
    for (let i = 2; i < encoded.length; i += 2) {
        lat += encoded[i] / 1e6;
        lng += encoded[i + 1] / 1e6;
        points.push({ lat, lng });
    }
    return points;
}

3.2.2 逐段调用 direction API 渲染真实道路

// 逐段规划，获取每段真实道路
async function fetchAndRenderRoute(stops) {
    const allPaths = [];
    for (let i = 0; i < stops.length - 1; i++) {
        const from = stops[i];
        const to = stops[i + 1];
        const route = await TMAP_WS.direction(from, to, currentMode);
        
        if (route && route.decodedPath && route.decodedPath.length > 0) {
            allPaths.push(...route.decodedPath);  // 真实道路坐标
        } else {
            // 降级：直线连接
            allPaths.push({ lat: from.lat, lng: from.lng });
            allPaths.push({ lat: to.lat, lng: to.lng });
        }
    }
    
    // 用 MultiPolyline 渲染真实道路
    polylineLayer = new TMap.MultiPolyline({
        map,
        styles: {
            route: new TMap.PolylineStyle({
                color: '#3777FF', width: 6,
                borderWidth: 2, borderColor: '#1A3A80',
                lineCap: 'round'
            })
        },
        geometries: [{
            id: 'route_real',
            styleId: 'route',
            paths: allPaths.map(p => new TMap.LatLng(p.lat, p.lng))
        }]
    });
}

3.3 距离矩阵编排：从 popularity 排序到 AI 贪心排序

升级前：按 popularity 字段排序，忽略景点间实际距离，导致路线绕远。

升级后：先调用距离矩阵 API 批量计算所有景点间的距离/时间，再用贪心最近邻算法排序。
在这里插入图片描述

// 调用距离矩阵 API（一次请求，N×N 矩阵）
const distResult = await TMAP_WS.distanceMatrix(selected, selected, currentMode);
if (distResult) {
    distances = distResult.map(row =>
        row.elements.map(el => ({
            distance: el.distance,  // 米
            duration: el.duration   // 秒
        }))
    );
}

// 贪心最近邻排序（AI 决策层）
const visited = [0];
const unvisited = new Set(Array.from({ length: n }, (_, i) => i).slice(1));
while (unvisited.size > 0) {
    const last = visited[visited.length - 1];
    let nearest = -1, nearestDur = Infinity;
    for (const idx of unvisited) {
        const row = distances[last]?.[idx];
        if (row && row.duration < nearestDur) {
            nearestDur = row.duration;
            nearest = idx;
        }
    }
    if (nearest >= 0) {
        visited.push(nearest);
        unvisited.delete(nearest);
    } else break;
}
itinerary.stops = visited.map(i => itinerary.stops[i]);

在这里插入图片描述

效果：用户说「帮我规划北京亲子游」，系统会自动把距离近的景点排在相邻位置，减少绕路。

3.4 IP 自动定位

与 workbuddy 对话过程如下图。
在这里插入图片描述

升级前：TMAP_WS.locateByIP() 函数已定义但未调用，每次都要手动选城市。

升级后：地图初始化时自动调用 IP 定位，识别用户所在城市并居中显示。

// initMap() 中新增：IP 定位自动获取用户城市
async function initMap() {
    // Step1: 获取体验 Key（动态从腾讯地图官网抓取）
    const resp = await fetch('https://lbs.qq.com/webApi/uriV1/uriGuide/uriMobileMarker');
    const html = await resp.text();
    const match = html.match(/referer=([a-zA-Z0-9_-]+)/);
    mapKey = match ? match[1] : 'OB4BZ-D4W3U-B7VVO-4PJWW-6TKDJ-WPB77';
    
    // Step2: 加载 JSAPI GL SDK（+ visualization 库）
    await loadJSAPI(mapKey);
    
    // Step3: 创建地图实例
    map = new TMap.Map('mapContainer', {
        center: new TMap.LatLng(39.9042, 116.4074),
        zoom: 11
    });
    
    // Step4: ⭐ IP 定位（升级新增）
    try {
        const loc = await TMAP_WS.locateByIP();
        if (loc && loc.ad_info && CITY_DATA[loc.ad_info.city]) {
            map.setCenter(new TMap.LatLng(
                CITY_DATA[loc.ad_info.city].center.lat,
                CITY_DATA[loc.ad_info.city].center.lng
            ));
            showToast(`已定位到：${loc.ad_info.city}`, 'success');
        }
    } catch { /* IP 定位失败不影响使用 */ }
}

在这里插入图片描述

3.5 搜索框自动补全

升级前：搜索框只有纯文本输入，无提示，用户体验差。

升级后：接入腾讯地图 suggestion API，输入 2 个字符即触发自动补全，300ms 防抖，点击即填入。

// 搜索框自动补全（对接 suggestion API）
async function handleSuggestion(keyword) {
    if (!keyword || keyword.length < 2) {
        document.getElementById('suggestionList').classList.remove('show');
        return;
    }
    try {
        const results = await TMAP_WS.suggestion(keyword);
        const list = document.getElementById('suggestionList');
        if (results.length === 0) { list.classList.remove('show'); return; }
        
        // 渲染下拉列表（最多 6 条）
        list.innerHTML = results.slice(0, 6).map(r => `
            <div class="suggestion-item" data-title="${r.title}">
                <div class="sug-title">${r.title}</div>
                <div class="sug-addr">${r.address || ''}</div>
            </div>
        `).join('');
        list.classList.add('show');
        
        // 点击补全项，自动填入输入框
        list.querySelectorAll('.suggestion-item').forEach(item => {
            item.addEventListener('click', () => {
                document.getElementById('userInput').value = item.dataset.title;
                list.classList.remove('show');
            });
        });
    } catch { /* 自动补全失败不影响体验 */ }
}

// 输入框绑定（300ms 防抖）
input.addEventListener('input', () => {
    clearTimeout(debounceTimer);
    debounceTimer = setTimeout(() => handleSuggestion(input.value.trim()), 300);
});

在这里插入图片描述

四、Demo 实战：升级后的完整功能清单

在这里插入图片描述

4.1 核心功能

升级后的 Demo 实现了以下功能：

功能模块	实现方式	升级点
自然语言输入	日常语言描述出行需求	支持更丰富的语义变体
智能意图解析	LLM API + 本地双引擎	🔥 新增 LLM 支持，融合度 90%+
POI 智能推荐	基于偏好搜索景点/餐厅	支持 7 种类型识别
多模式路线规划	驾车/步行/骑行/公交	支持 4 种出行方式切换
真实道路渲染	Polyline 解码 + 逐段 direction	🔥 升级核心，不再画直线
距离矩阵编排	贪心最近邻算法优化顺序	🔥 升级核心，路线更紧凑
IP 自动定位	locateByIP API	🔥 新增，自动识别用户城市
搜索自动补全	suggestion API + 防抖下拉	🔥 新增，输入体验提升
可视化展示	热力图 + 路线图 + 标记点	InfoWindow 点击弹出详情
智能建议输出	AI 综合分析给出最优方案	支持 LLM 生成个性化建议

在这里插入图片描述

4.2 关键技术决策

决策	选择	原因
前端框架	原生 HTML + CSS + JS	征文 Demo 尽量轻量，零依赖，单文件可运行
地图渲染	腾讯地图 JSAPI GL	3D 可视化效果最佳，支持 MultiMarker/Polyline/Heat
数据服务	腾讯地图 WebService API	功能全面，覆盖搜索/路线/编码/矩阵
跨域方案	JSONP	体验模式下 `h5gw.map.qq.com` 不支持 CORS
AI 集成	双引擎（LLM + 本地降级）	Demo 可独立运行，有 Key 时自动升级

4.3 微信小程序端延伸

基于 tencentmap-miniprogram-skill，同样的能力可以快速迁移到微信小程序：

<!-- 小程序地图组件 -->
<map 
  id="travelMap"
  longitude="{{center.lng}}" 
  latitude="{{center.lat}}" 
  scale="12"
  markers="{{markers}}"
  polyline="{{polylines}}"
  show-location
  bindmarkertap="onMarkerTap"
/>

// 小程序端路线规划（使用 QQMapWX SDK）
const qqmapsdk = new QQMapWX({ key: 'YOUR_KEY' });

qqmapsdk.direction({
  mode: 'driving',
  from: { latitude: 39.98, longitude: 116.30 },
  to: { latitude: 40.01, longitude: 116.40 },
  success: (res) => {
    const coords = res.result.routes[0].polyline.map(p => ({
      latitude: p.lat, longitude: p.lng
    }));
    this.setData({ 
      polylines: [{ points: coords, color: '#3777FF', width: 6 }] 
    });
  }
});

五、踩坑记录与最佳实践

5.1 坐标系陷阱

腾讯地图使用 GCJ-02（国测局坐标系），GPS 原始坐标需要通过坐标转换接口处理：

// ⚠️ GPS坐标必须先转换
async function convertGPS(lat, lng) {
  const res = await jsonpRequest(
    'https://h5gw.map.qq.com/ws/coord/v1/translate',
    {
      locations: `${lat},${lng}`,
      type: 1, // GPS坐标
      key: 'none',
      apptag: 'lbscoord_translate'
    }
  );
  return res.result.locations[0]; // 转换后的GCJ-02坐标
}

5.2 路线 Polyline 解码

这是腾讯地图 WebService API 的一个特有格式，官方文档描述不够清晰，这里详细说明：

编码规则（前向差分）：
  polyline[0] = 纬度绝对值 × 10⁶（浮点数）
  polyline[1] = 经度绝对值 × 10⁶（浮点数）
  polyline[2] = 纬度差值₁ × 10⁶（整数）
  polyline[3] = 经度差值₁ × 10⁶（整数）
  ...

解码步骤：
  1. 第一个点：lat = polyline[0] / 1e6, lng = polyline[1] / 1e6
  2. 后续每个点：lat += polyline[i] / 1e6, lng += polyline[i+1] / 1e6

常见错误：把 polyline 当成 [lat, lng, lat, lng, ...] 的简单交替数组，导致坐标完全错误。

5.3 体验模式注意事项

使用腾讯位置服务体验 Key 开发时，需注意：

所有后端服务调用走 h5gw.map.qq.com + JSONP（不支持 CORS）
地图前端加载走 map.qq.com/api/gljs（需带 key 参数）
天气查询和电动车路线不可用，需正式 Key
频次受限，开发测试够用，上线前务必切换正式 Key
动态获取体验 Key：可从 https://lbs.qq.com/webApi/uriV1/uriGuide/uriMobileMarker 页面动态抓取，避免硬编码失效

5.4 LLM 接口适配技巧

腾讯混元、DeepSeek、OpenAI 的 API 格式略有差异，统一用 OpenAI 兼容格式封装：

// 统一调用入口（支持所有 OpenAI 兼容接口）
async callLLM(messages) {
    const res = await fetch(this.config.apiUrl, {
        method: 'POST',
        headers: {
            'Content-Type': 'application/json',
            'Authorization': `Bearer ${this.config.apiKey}`
        },
        body: JSON.stringify({
            model: this.config.model,
            messages,
            temperature: 0.3,
            response_format: { type: 'json_object' } // 强制 JSON 输出
        })
    });
    const data = await res.json();
    return JSON.parse(data.choices?.[0]?.message?.content);
}

关键：response_format: { type: 'json_object' } 是 OpenAI/DeriveSeek 都支持的参数，可以保证 LLM 输出合法 JSON，避免解析失败。

六、性能优化建议

6.1 结合 AI 分析出的建议

合并请求：用距离矩阵替代循环调用路线接口，N×M 次请求降为 1 次
数据缓存：POI 搜索结果和地理编码结果按城市+关键词缓存到 localStorage
按需渲染：JSAPI GL 可视化图层在缩放到一定层级时才加载
节流防抖：搜索输入提示使用 300ms 防抖，避免频繁请求
点聚合：标记点超过 100 个时启用点聚合（TMap.MarkerCluster），提升渲染性能
Polyline 精简：长距离路线用 Douglas-Peucker 算法简化 polyline，减少渲染节点

6.2 关于 Demo 的一些改动

地图层级的调整，遮挡了地图上面的按钮交互操作
调整按钮的位置布局，避免这点地图默认弹窗的显示位置以及地图默认的操作按钮

在这里插入图片描述

七、AI 融合度评估：升级前后对比

维度	升级前	升级后	提升
意图解析准确率	~40%（简单 includes）	~90%（LLM + 扩展规则）	+50%
WebService API 利用率	85%（缺距离矩阵/IP定位/suggestion）	100%（8 个 API 全接入）	+15%
JSAPI GL 利用率	75%（缺 InfoWindow/热力图）	95%（全部核心功能）	+20%
路线真实性	直线连接（差）	真实道路 polyline（好）	质的提升
用户体验	无搜索补全、无自动定位	有补全、有定位	明显提升

在这里插入图片描述

八、总结与展望

8.1 我们做了什么

用自然语言替代了传统的「选起点、选终点、选出行方式」三步操作
用 AI 双引擎（LLM + 本地规则）实现了高融合度的意图理解
用 腾讯地图 WebService API 全链路（geocoder + search + direction + distance matrix + suggestion + IP 定位）实现数据获取
用 JSAPI GL 可视化让结果不再是一堆文字，而是直观的地图交互
用真实道路 polyline 解码让路线规划可信、可用

与 workbuddy 对话过程如下图。
在这里插入图片描述

8.2 地图的未来

当 AI 和地图深度融合，地图就不再是一个「你查我画」的工具，而是一个能理解你需求、主动给出建议的出行伙伴。这只是开始，未来还可以：

实时路况 AI 调整：根据实时路况自动优化行程顺序
多 Agent 协同规划：多个 AI Agent 分工负责不同维度的推荐
个性化记忆：记住你的偏好，下次直接推荐符合口味的方案
AR 导航：结合小程序相机能力实现实景导航

地图的未来，是 AI 的大脑 + 地图的眼睛。

附录：快速运行 Demo

A.1 无需任何配置，直接运行

升级后的 Demo 是单文件 HTML，直接双击即可在浏览器中打开运行（使用体验 Key）。

A.2 接入真实 LLM（可选）

取消 AI_ENGINE.config 中的注释，填入你的 API Key：

AI_ENGINE.config = {
    mode: 'llm',
    apiUrl: 'https://api.deepseek.com/v1/chat/completions',  // 或混元接口
    apiKey: 'YOUR_API_KEY',
    model: 'deepseek-chat'
};

A.3 切换正式 Key（上线前必做）

将代码中的 key: 'none'（体验模式）替换为你的正式 Key，并去掉 apptag 参数。

📌 Demo 在线体验：智能出行规划助手（仅限本地、局域网预览，未部署）

🎯代码资源已上传置文章顶部，可以直接下载运行
在这里插入图片描述
📌 腾讯位置服务官网：https://lbs.qq.com

📌 涉及的 Skill：

tencentmap-jsapi-gl-skill：JSAPI GL 地图初始化、MultiMarker、MultiPolyline、热力图、InfoWindow
tencentmap-webservice-skill：geocoder、search、direction、distance matrix、suggestion、IP 定位、坐标转换
tencentmap-miniprogram-skill：微信小程序地图组件迁移方案

与 workbuddy 对话过程如下图。
在这里插入图片描述

💡 一句话总结：让地图「听懂」你说话，不是魔法，是 AI 意图解析 + 腾讯地图 WebService 全链路 API + JSAPI GL 可视化 的组合拳。技术不复杂，效果很惊艳——这就是 AI + 地图该有的样子。升级的核心在于：不再模拟，直接调用；不再直线，贴真实道路；不再写死，让 AI 决策。# 【腾讯位置服务开发者征文大赛】让地图听懂人话：AI + 腾讯地图 API 打造智能出行规划助手（升级版）

在这里插入图片描述

AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

TCM-Vision-7204条多模态中医药图像问答数据集-涵盖饮片药材舌诊手诊眼诊推拿全息7大类别-中医AI训练评测基准

AtomGit开源社区

EAAI title-page-template 怎么填写

AtomGit开源社区

AI辅助网文创作理论研究笔记（十七）：编排画布深化——从顺序发言到动态编排

本文探讨了AI小说创作中会议编排画布的优化方向，提出从固定流水线转向动态编排的方案。核心改进包括：1）将轮次控制改为灵活的发言权分配机制，支持@提及点名和多种退出条件；2）引入容器概念，可配置串行/并行、顺序/提及驱动等模式；3）世界书和RAG作为独立节点，支持多实例绑定；4）新增章节拆分师等专家角色；5）开发浮动工具栏优化交互。这些改进使画布从静态流程升级为动态协作空间，支持更自然的创作讨论。目

AtomGit开源社区

所有评论(0)

查看更多评论

黛琳ghz

@weixin_53231455

已为社区贡献6条内容

【腾讯位置服务开发者征文大赛】WorkBuddy + tencentmap skill 打造从“查地图“到“对话地图“—— AI 赋能 + 腾讯地图 API 打造智能出行规划助手

黛琳ghz

文章目录

一、痛点：地图交互的最后一个短板

1.1 我们和地图之间，还差一个"翻译层"

1.2 本文升级版 Demo 解决的核心问题

二、技术架构：三层 + 双引擎

2.1 三层架构

2.2 涉及的腾讯位置服务能力

三、实现详解：从原型到进阶的完整升级

3.1 AI 意图解析：双引擎设计（升级核心）

3.1.1 LLM 引擎（云端）

3.1.2 本地规则引擎（降级，智能版）

3.2 真实道路渲染：Polyline 解码 + 逐段规划

3.2.1 前向差分解码（腾讯地图独有格式）

3.2.2 逐段调用 direction API 渲染真实道路

3.3 距离矩阵编排：从 popularity 排序到 AI 贪心排序

3.4 IP 自动定位

3.5 搜索框自动补全

四、Demo 实战：升级后的完整功能清单

4.1 核心功能

4.2 关键技术决策

4.3 微信小程序端延伸

五、踩坑记录与最佳实践

5.1 坐标系陷阱

5.2 路线 Polyline 解码

5.3 体验模式注意事项

5.4 LLM 接口适配技巧

六、性能优化建议

6.1 结合 AI 分析出的建议

6.2 关于 Demo 的一些改动

七、AI 融合度评估：升级前后对比

八、总结与展望

8.1 我们做了什么

8.2 地图的未来

附录：快速运行 Demo

A.1 无需任何配置，直接运行

A.2 接入真实 LLM（可选）

A.3 切换正式 Key（上线前必做）

所有评论(0)

温馨提示：您尚未绑定手机号

黛琳ghz