第6讲：高德赛题方向解析学习笔记
发布于
来源：《第六讲高德赛题方向解析》，视频约 17 分 22 秒。以下按课件和讲解整理，重点记录赛题思路、应用框架及可利用的高德能力。
1. 赛题目标：持续进化的个人位置智能体
本讲给出的方向是构建一个持续进化的个人位置智能体，以旅行规划这类空间智能应用为主要例子。需要解决的是把用户的一段需求，转成能够执行的空间计划：去哪些地方、按什么顺序去、各停留多久、怎样移动，以及用户修改计划后如何重新安排。
可以把旅行规划理解为：选点 → 排序 → 分日 → 连线 → 校验 → 调整。其中的难点集中在三个方面。
| 难点 | 需要处理的内容 |
|---|---|
| 空间计算 | 多个候选地点、必去与可选地点、多日安排、停留时间、多种交通方式，还要考虑营业时间、体力和绕路成本。改动一个地点，可能影响后续整段行程。 |
| 数据与决策 | 地点信息之外，还需要距离、可达性、交通状态、时段热度和体验偏好；最终要从大量信息中筛选出少量可解释的方案。 |
| 产品交互 | 用户需要看懂、比较、修改计划。信息太多难以选择，太少又不足以判断；自动生成后仍要保留用户的控制权。 |
04:26，三个难点对应的空间能力。
从 A 到 B 的路径规划，只是整个行程规划中的一个环节。 后者还需要决定去哪、如何组合，以及是否符合用户偏好。调用一次路线接口，并不能直接得到完整的旅行安排。
这里的 POI 指兴趣点，例如景点、餐馆或商店。一个地点是否值得推荐，不只取决于它本身，还取决于它与其他地点的组合：是否顺路、体验是否重复、是否能补足当天的行程。因此，数据整理和组合判断本身就是作品可以体现差异的地方。
2. 应用框架：理解需求、工具计算、反馈调整
课件将分工概括为：大模型负责理解与规划，空间工具负责计算与校验。 模型可以提取用户意图、提出候选方案；实际距离、路线和可达性应由工具计算，再用于判断方案是否可行。
05:32，从结构化约束到工具计算，再到冲突修复。
首先需要把自然语言需求整理为明确的约束，例如必去地点、可选地点、每日开始与结束时间、步行接受程度、允许的交通方式。否则，“轻松一点”“少走路”这类偏好很难参与后续计算和检查。
本讲给出的整体流程可以合并为：
- 理解意图、建立约束：明确用户想解决什么、有哪些偏好，以及时间、交通、预算、必选和排除条件。
- 生成候选、进行空间计算：检索地点或区域，计算距离、路径、可达性和组合成本。
- 数据决策、地图表达：筛选、排序、分组，说明取舍，并在地图上呈现地点与路线。
- 接受反馈、局部重算：允许增删、替换、拖动地点，保留仍然有效的选择，对受影响部分重新计算和校验。
07:14，课件把过程细分为七步，并通过用户反馈形成循环。
讲解建议用 Workflow 分阶段处理。这意味着中间结果需要保留下来：用户的约束是什么、选中了哪些地点、工具算出了什么、用户改了哪里、哪些结果需要更新。课件强调，应用的核心产物是持续更新的结构化空间状态。结合这条流程，可以先从“反馈后持续修正计划”理解本讲的持续进化；视频没有展开模型训练或长期记忆算法。
数据还需要从事实加工成决策依据。 课件分了三层：
- 基础事实：坐标、类别、道路、区域和交通关系。
- 空间抽象：商圈、热点区域、可达范围、聚集关系和时段变化。
- 决策特征：是否顺路、绕行多少、主题是否匹配、区域是否互补、是否存在拥挤风险。
例如，知道几个景点的坐标后，还要判断哪些适合同一天游玩、组合后会不会折返。高德接口可以提供部分基础数据，其他场景信息还需要获取、清洗和加工。讲者特别强调，找到并处理好数据往往很花时间，也会影响项目效果。
地图承担展示和修改方案的作用。 点表示地点，线表示路线，面表示区域或范围；颜色、密度等可以表达热度或候选差异。地图选择、信息卡片和方案重算需要联动，让用户能直观看出“选了哪里、为什么这样走、改动会影响什么”。3D 则应在高度、地形或地标确实有助于理解时使用。
3. 高德能力：基础地图服务与空间智能产品
视频后半段介绍高德开放平台的产品。对这道题，主要需要理解各项服务在应用流程中的位置。
| 能力 | 在旅行规划中的作用 |
|---|---|
| 定位、坐标转换、地理编码 | 处理用户位置，以及地址和坐标之间的对应关系。 |
| 关键词搜索、周边搜索 | 获取候选 POI，构建可选择的地点集合。 |
| 路径规划 | 按交通方式计算地点间的移动路线，为组合行程提供依据。 |
| 导航 | 在实际出行阶段引导用户执行路线。 |
| 地图可视化 | 将地点、路线、区域和热度等信息呈现在地图上，支持用户理解和选择。 |
| 轨迹、围栏、交通与天气等 | 根据应用场景补充移动过程、区域判断和动态条件。 |
这些接口提供基础能力；多地点、多天、多约束的方案，还需要应用自身组织数据、组合工具和检查结果。视频也提到了 MCP 等接入方式，但没有展开接口调用代码或实际接入操作。
14:34，通过自然语言提出空间分析需求。
AI 产品部分展示了高德空间智能开放平台：围绕点位、客流、人群画像与时空数据，通过自然语言完成分析。课件列出的四类核心 Skills 是客流洞察、人群分析、智能选址和门店运营；产品形态包括 AI 云工作台、Skill、MCP Server、Agent 和 API。
15:30，客流洞察、人群分析、智能选址、门店运营。
其中，门店选址、派单等案例属于其他业务场景。与旅行规划较直接的联系，是其背后的人流热力、区域划分和区域均衡方法：例如把兴趣点按区域组织，辅助安排多天游玩，减少跨区域反复移动。可以借鉴数据处理方式，不需要把这些行业功能全部纳入参赛作品。
本讲对作品设计的启发主要落在三个问题上：候选地点和数据是否可靠，方案是否经过空间工具校验，用户能否在地图上方便地修改并得到一致的更新。 这些是课程思路的归纳，不是正式评分条款。视频没有说明具体提交格式、评分权重、资源领取步骤或免费额度，也没有展开 OceanBase/seekdb 的具体集成要求。