乐于分享
好东西不私藏
夜雨聆风 > > 办公文件 > QGIS AI 插件怎么选:看图、分割、写 PyQGIS 不是一类需求

QGIS AI 插件怎么选:看图、分割、写 PyQGIS 不是一类需求

当前时间： 2026-08-25 13:44:57 分类：办公文件 评论(0)
QGIS AI 插件怎么选:看图、分割、写 PyQGIS 不是一类需求

AI Segmentation by TerraLab QGIS plugin icon

QGIS AI 插件怎么选：看图、分割、写 PyQGIS 不是一类需求

过去谈桌面 GIS 里的 AI，很多讨论会停在“能不能接大模型”。但 QGIS 插件库最近几项更新给出的信号更具体：AI 能力正在分成三条完全不同的桌面工作流。一类是让地图区域被多模态模型解释，一类是把影像对象快速转成矢量面，一类是让助手生成并运行 PyQGIS 代码。

这三类工具看起来都叫 AI 插件，但项目风险并不相同。看图解释更像初筛和记录辅助；分割工具会直接生成几何结果；PyQGIS agent 则可能操作图层、调用 Processing、影响当前工程。GIS 团队如果只按“模型强不强”选型，很容易把数据外发、结果复核和代码执行风险混在一起。

这次为什么值得关注

QGIS Python Plugins Repository 的 AI 标签页在 2026 年 8 月已经能看到多种 AI/LLM 相关插件，而不是单一的“聊天助手”。其中三个更新特别适合作为桌面 GIS AI 选型样本。

AI Segmentation by TerraLab 的最新稳定版本是 2.4.4，版本页上传时间为 2026-08-21。插件页说明，它面向 raster 对象分割，可以把建筑物、树木、植被或其他对象提取成 vector polygons，并支持后续 refine 与 export。

LandTalk.AI 的最新稳定版本是 1.3.5，版本页上传时间为 2026-08-13。插件页说明，用户可以在 QGIS 中选择地图区域，把该区域捕获成图片，再用 Google Gemini、ChatGPT 或 Anthropic Claude 做多模态分析。

AgenticGIS 的最新稳定版本是 0.4.2，版本页上传时间为 2026-08-12。插件页说明，它在 QGIS 中提供 chat dock，用户输入自然语言后，LLM agent 会生成并运行 PyQGIS 代码，从而访问 QGIS、Processing、项目图层和已安装插件。

这些信息说明，QGIS 里的 AI 已经不只是“问答入口”，而是开始触达桌面制图、影像解译、矢量化和自动化脚本。对 GIS 团队来说，真正的问题不再是要不要试，而是每类能力应该放在哪个环节试。

第一类：让地图区域先被解释

LandTalk.AI 代表的是“看图解释”工作流。它不是替代 GIS 分析，而是把当前地图区域截图后交给多模态模型，得到关于地貌、建设状态、可疑变化或规划环境的文字判断。

适合它的场景通常是初筛：规划人员想快速描述一个片区现状，巡查人员想把现场图和地图区域结合起来做备注，产品经理想把地图截图转成可讨论的问题清单。这类输出不应该直接入库成为权威属性，因为模型看到的是截图，不是完整的矢量拓扑、时间序列或业务台账。

接入时要先定边界：哪些底图或业务图层允许被截图，截图是否会包含敏感设施、个人位置或内部项目名称，模型返回的解释由谁确认。只要涉及第三方模型，数据外发就不是小问题。把它定位为“辅助观察”和“记录草稿”，比把它包装成自动判读更稳妥。

第二类：把影像对象转成矢量结果

AI Segmentation 代表的是“影像到矢量”的工作流。插件页的描述很直接：它可用于从 raster 中检测并提取建筑物、树木、植被或其他对象，然后 refine 并导出为 vector polygons。它还说明支持本地 raster，如 GeoTIFF、JPG、PNG，也支持 WMS、XYZ tiles 等在线图层。

这个能力最容易让 GIS 团队看到效率提升，因为它能减少手工勾绘。但它也最容易产生“看起来很准”的误判。分割出来的 polygon 不等于可直接入库的地籍、林斑或建筑轮廓。实际项目中至少要补三道检查：边界是否贴合影像，漏检和误检是否可接受，输出几何是否符合业务库的拓扑和字段规则。

更重要的是运行位置。AI Segmentation 页面写明，Semi-Auto 模式可选择 My computer 或 Cloud AI；选择 Cloud AI 时，每次点击周围的小图像裁剪会发送到服务器；Automatic 模式是云端处理，用户绘制区域内的影像会被发送到检测服务。这一点应该写进项目试点方案：哪些区域允许云端处理，哪些影像必须留在本机，成果能否带出内网。

第三类：让助手写并运行 PyQGIS

AgenticGIS 代表的是风险最高、但也最接近自动化的方向。它的价值不是“聊天”，而是让自然语言变成 PyQGIS 代码，并操作 QGIS、Processing、项目图层和已安装插件。

这类工具适合低风险、可回滚、可审计的重复任务，例如批量重命名图层、生成缓冲区草案、跑一次可复查的 Processing 流程、整理临时输出图层。它不适合一上来就接生产库、改正式工程、批量覆盖成果文件。

AgenticGIS 页面列出的要求也提示了试点边界：需要 QGIS 3.22 或更新版本，包括 QGIS 4；需要 API key、兼容 endpoint 或本地 CLI agent；插件本身没有 bundled Python package dependencies；Google Earth Engine 功能是可选项，并且需要单独安装和认证 GEE QGIS 插件。这意味着团队在评估时不能只看界面，还要看密钥管理、本地 CLI 权限、工程备份和可执行代码审查。

不要把三类需求混成一个采购问题

TerraLab 在 2026-08-18 发布的 QGIS AI 插件比较文，把 8 个可安装插件按功能、费用、计算在哪里运行、安装难度等维度比较。这个角度对团队很有用，因为 GIS AI 插件选型不能只看“是否免费”或“模型名是否新”。

一个务实的分类方式是：

  1. 如果目标是解释地图截图，先评估 LandTalk.AI 这类多模态区域分析工具，重点看数据外发、提示词记录和人工确认。

  2. 如果目标是从影像中提取对象，先评估 AI Segmentation、GeoAI、Deepness、Mapflow 等分割或检测工具，重点看运行位置、影像许可、几何质量和批处理能力。

  3. 如果目标是减少 PyQGIS 和 Processing 重复操作，先评估 AgenticGIS 或 MCP/agent 类工具，重点看代码执行权限、日志、撤销、备份和只读模式。

  4. 如果任务少于几十个要素，人工数字化可能更便宜。TerraLab 文中也给出类似提醒：少量要素时，配置 AI 工具的成本可能高于直接绘制。

GIS 团队怎么接入

第一步，选一个小样区。不要拿全市影像、完整业务库或正式项目第一次试。先准备一个可公开或低敏的样区，包含影像、少量人工标注结果、目标字段模板和验收规则。

第二步，按任务试三条路径。用 LandTalk.AI 看它是否能生成有用的区域观察清单；用 AI Segmentation 输出一批 polygon，再和人工结果对比；用 AgenticGIS 做只读或临时图层操作，例如查询图层字段、生成缓冲区草案、导出临时结果。

第三步，记录每次运行的输入、参数、提示词、模型或服务、输出文件和人工修改。没有这些记录，AI 插件带来的只是一次性效率，而不是可复用流程。

第四步，建立禁止清单。禁止把涉密或未授权影像发到云端；禁止 agent 修改正式工程文件；禁止模型解释直接写入权威属性；禁止没有人工复核的 polygon 进入生产库。

第五步，决定是否产品化。只有当插件在样区里稳定节省时间、输出能被复核、风险能被控制，才值得把它纳入团队插件白名单、培训文档或标准作业流程。

版本与权限核验表

把这类插件纳入团队环境前，建议先做一张简单核验表，而不是直接让每个人自行安装。

AI Segmentation by TerraLab：最新稳定版本 2.4.4，上传时间为 2026-08-21，最低 QGIS 版本 3.22.0，最高版本 4.99.0；版本页显示 Approved: yes、Experimental: no、External dependencies: None。这适合先用在影像对象提取样区，但必须区分本机模式和 Cloud AI 模式。

LandTalk.AI：最新稳定版本 1.3.5，上传时间为 2026-08-13，最低 QGIS 版本 3.26.0，最高版本 4.99.0；版本页同样显示 Approved: yes、Experimental: no、External dependencies: None。它的关键不是几何生产，而是把地图区域截图交给 Gemini、ChatGPT 或 Claude 分析，所以数据外发和提示词记录应作为第一优先级检查。

AgenticGIS：最新稳定版本 0.4.2，上传时间为 2026-08-12，最低 QGIS 版本 3.22.0，最高版本 4.99.0；页面说明需要 API key、兼容 endpoint 或本地 CLI agent，且会通过 PyQGIS 操作 QGIS、Processing、项目图层和已安装插件。它适合先做临时工程里的只读查询和可回滚操作，不适合直接接生产库。

TerraLab 的 2026-08-18 比较文还给了一个很实用的判断维度：插件不只要比较功能，还要比较费用、计算在哪里运行、安装难度和是否适合本机数据。这个维度可以直接转成团队插件评审表。

试点验收表

试点结束时，不建议只问“模型准不准”。更适合 GIS 团队的验收表应该包含下面这些项：

  1. 输入数据：影像来源、分辨率、许可、坐标系、是否允许上传到第三方服务。

  2. 运行记录：插件版本、QGIS 版本、本机或云端模式、API key 管理方式、提示词或参数。

  3. 输出质量：polygon 是否闭合，是否有明显孔洞、重叠、偏移，字段是否满足目标图层模板。

  4. 人工复核：抽样比例、复核人员、修改原因、不能通过的典型样例。

  5. 工程安全：agent 是否只操作临时图层，是否保存原始工程备份，是否保留生成的 PyQGIS 代码。

  6. 业务闭环：输出是否真的减少了手工勾绘、现场记录或脚本处理时间；如果没有，就不要因为工具新而扩大使用范围。

适合哪些场景

适合先试的，是低风险但高重复的桌面 GIS 工作：影像中建筑物或树冠初步提取、规划图斑备注、遥感变化线索初筛、临时制图脚本、项目图层整理、Processing 参数试跑。

暂时不适合直接自动化的，是责任边界强的业务：执法认定、正式地籍边界、应急指挥结论、监管报送、收费或赔付依据。这些场景可以用 AI 插件做辅助，但最终必须有权威数据、人工复核和版本留痕。

落地风险

第一，数据外发风险。插件说明里凡是涉及 Cloud AI、第三方多模态模型或 API key 的，都要确认影像、业务图层和截图是否允许离开当前环境。

第二，几何质量风险。分割工具输出的是候选 polygon，不是天然符合业务规则的空间要素。要检查边界、孔洞、重叠、字段和拓扑。

第三，代码执行风险。能生成并运行 PyQGIS 的 agent 必须先在临时工程、只读数据和备份环境中试，不要直接操作生产数据。

第四，依赖和兼容性风险。插件版本页虽然显示这些样本插件为 approved 且 experimental 为 no，但具体项目仍要检查 QGIS 版本、系统平台、认证方式和网络条件。

第五，责任误读风险。多模态模型的文字解释容易被当成事实判断。团队需要在输出旁边保留“模型辅助、人工确认、数据来源”的明确记录。

下周可以做什么

第一天，列出当前 QGIS 工作中最耗时的三类任务：看图描述、对象勾绘、脚本处理。每类只选一个样例。

第二天，安装或评估对应插件，但只用低敏样区。记录 QGIS 版本、插件版本、运行位置和输出格式。

第三天，建立人工对照结果。对分割类输出检查漏检、误检和几何质量；对解释类输出检查是否遗漏关键地物；对 agent 类输出检查代码是否可读、是否可回滚。

第四天，写插件白名单和禁止清单。把云端处理、API key、正式工程写入、生产库连接、批量覆盖文件等高风险动作单独列出。

第五天，决定是否扩大试点。如果不能证明节省时间或提高一致性，就先停在工具观察；如果能证明，就把提示词、参数、验收规则和人工复核流程固化下来。

结论

QGIS AI 插件的重点不是“桌面 GIS 也接入了大模型”，而是三类工作流正在分化：地图区域解释、影像对象矢量化、PyQGIS 自动化。每一类都可能提高效率，但每一类的风险边界都不同。

真正适合 GIS 团队的接入方式，是从小样区、低敏数据、只读流程开始，把数据是否外发、几何是否合格、代码是否可审计讲清楚。这样，AI 插件才会成为桌面 GIS 的可靠加速器，而不是一个难以复核的新风险源。

资料来源

  • QGIS Python Plugins Repository: AI tag - https://plugins.qgis.org/plugins/tags/ai/
  • QGIS Python Plugins Repository: AI Segmentation by TerraLab - https://plugins.qgis.org/plugins/AI_Segmentation/
  • QGIS Python Plugins Repository: AI Segmentation 2.4.4 version page - https://plugins.qgis.org/plugins/AI_Segmentation/version/2.4.4/
  • QGIS Python Plugins Repository: LandTalk.AI - https://plugins.qgis.org/plugins/LandTalkAI/
  • QGIS Python Plugins Repository: LandTalk.AI 1.3.5 version page - https://plugins.qgis.org/plugins/LandTalkAI/version/1.3.5/
  • QGIS Python Plugins Repository: AgenticGIS - https://plugins.qgis.org/plugins/AgenticGIS/
  • QGIS Python Plugins Repository: AgenticGIS 0.4.2 version page - https://plugins.qgis.org/plugins/AgenticGIS/version/0.4.2/
  • TerraLab: The Best AI Plugins for QGIS in 2026, Compared - https://terra-lab.ai/blog/best-ai-plugins-qgis

关注 GIS传道者，获取更多 GIS、GeoAI、遥感 AI、开源工具和地理空间产品化实践。