基于大语言模型指令微调的GIS工具链参数级智能编排方法及系统

本发明涉及人工智能，尤其涉及一种基于大语言模型指令微调的gis工具链参数级智能编排方法及系统。

背景技术：

1、地理信息系统（geographic information systems, gis）作为空间分析与决策支持的核心工具，已广泛应用于城市规划、交通管理、灾害响应及资源管理等多个领域。面对日益复杂的空间分析需求，用户通常需要串联多个地理空间工具，形成包含多个输入输出步骤的“工具使用链”（tool-use chains）来解决问题。因此，实现地理空间任务求解过程的自动化，对于显著提升gis应用效率至关重要。

2、传统上，规则化系统（如arcgis modelbuilder）被用于固化特定工作流，但其灵活性差，难以适应任务的动态变化。近年来，大型语言模型（llm）展现出强大的语义理解、推理和代码生成能力，为智能地理空间任务求解提供了新途径。研究者们已开始探索将llm与gis深度结合，形成了多类并行演进的研究方法和技术路径，旨在实现不同层次和场景下的自动化。

3、将llm深度嵌入现有gis平台（如qgis）成为实现“副驾驶”（copilot）式交互的主流实践。这类研究旨在克服ai与复杂gis环境集成的挑战，包括工具多样性、数据标准异构性以及自然语言到gis命令的精准转换。gis copilot插件通过结构化工具描述库和代码审查模块，引导llm生成准确的pyqgis代码，在基础与中级任务中展现出高成功率。这类工作标志着从外部调用工具向平台内智能体的演进，其优势在于紧密集成gis软件自身的计算生态和可视化能力，增强了分析的透明度和结果的可控性。利用商业llm的规划与工具调用能力，成为当前实现高性能、通用型自动化系统的关键路径。geogpt框架gpt-4为核心，通过提示工程驱动其自主规划并调用预定义的工具池，完成从数据收集到可视化的全流程任务。此类系统在处理涉及多达8个步骤的复杂工作流时展现了卓越的准确性，凸显了强大llm在复杂任务规划中的核心作用。

4、但是，llm的卓越性能严重依赖于gpt-4等闭源商业模型，在数据隐私、本地化部署和长期使用成本方面存在显著限制。同时，基于llm的方法仍面临工具语义歧义和输出幻觉等挑战。针对llm对专业知识的依赖与幻觉问题，检索增强生成（rag）技术被系统性地引入地理空间任务自动化框架。rag通过从外部知识库（如权威科学报告、专业文献或结构化工具文档）检索相关信息，为llm的决策和生成过程提供实时、可靠的知识支撑，从而显著提升输出的准确性和可靠性。在gis领域，rag被视为解决冗长工具文档超出模型上下文限制的潜在方案，使llm能动态检索所需工具的参数细节与使用范例，geocogent系统性地构建了多模态地理空间知识库并深度集成rag机制，有效提升了代码生成的准确率，但其性能仍受限于检索质量与实时性，且无法从根本上将领域知识内化为模型的稳定能力。

5、尽管取得了上述进展，现有研究仍面临若干关键挑战：其一，大多数能处理复杂工具链的系统依赖于闭源商业llm，开源替代方案的性能仍有待提升；其二，地理空间任务求解通常涉及多工具编排与复杂的参数配置，而现有微调数据多依赖人工设计，存在规模有限、多样性不足、特别是工具参数规范性弱等问题，制约了模型在实际任务中的准确性与泛化能力；其三，缺乏系统化的评估基准来全面衡量模型在工具链规划与参数配置上的表现。

技术实现思路

1、针对现有研究存在微调数据多依赖人工设计，存在规模有限、多样性不足、特别是工具参数规范性弱等问题，制约了gis工具链在实际任务中的准确性与泛化能力。本发明提出了一种基于大语言模型指令微调的gis工具链参数级智能编排方法及系统。

2、第一方面，本发明提供一种基于大语言模型指令微调的gis工具链参数级智能编排方法，包括：

3、收集地理信息工具进行预处理，基于预处理后的地理信息工具引导大语言模型生成地理空间任务指令和对应的地理空间任务工具链，以构建指令微调数据集和评估数据集；

4、使用开源大语言模型作为基础模型，基于所述指令微调数据集和所述评估数据集采用lora微调技术对所述基础模型进行微调训练；

5、以目标地理任务指令为驱动，采用微调后的所述基础模型自动完成地理空间任务工具链的编排与参数设置。

6、进一步地，基于预处理后的地理信息工具引导大语言模型生成地理空间任务指令和对应的地理空间任务工具链，以构建指令微调数据集和评估数据集，具体包括：

7、以预处理后的地理信息工具与预设地理空间任务模板作为上下文提示，通过自指导策略引导大语言模型生成地理空间任务指令；

8、将所述地理空间任务指令作为输入，结合对应的工具使用链提示，通过自指导策略引导大语言模型生成地理空间任务工具链；

9、将所述地理空间任务工具链与对应的所述地理空间任务指令配对，构建指令微调数据集和评估数据集。

10、进一步地，所述预处理包括：

11、基于预设结构化模板对所述地理信息工具进行标准化处理，其中所述预设结构化模板为，其中表示第个工具的名称，表示第个工具的功能描述，表示第个工具的参数设计模板，表示第个工具的输入数据要求，表示第个工具的使用示例。

12、进一步地，所述预设地理空间任务模板包含单工具地理空间任务模板、双工具地理空间任务模板和三工具地理空间任务模板。

13、进一步地，所述单工具地理空间任务模板包括单工具限制规则，所述单工具限制规则用于约束大语言模型仅生成对应于单个地理信息工具的地理空间任务指令。

14、进一步地，所述双工具地理空间任务模板包含双工具限制规则和逻辑校验规则；所述双工具限制规则用于约束大语言模型生成对应于两个地理信息工具的地理空间任务指令；所述逻辑校验规则用于约束大语言模型生成的地理空间任务指令在逻辑上使用所述两个地理信息工具的功能；

15、所述三工具地理空间任务模板包含三工具限制规则和逻辑校验规则；所述三工具限制规则用于约束大语言模型生成对应于三个地理信息工具的地理空间任务指令；所述逻辑校验规则用于约束大语言模型生成的地理空间任务指令在逻辑上使用所述三个地理信息工具的功能。

16、进一步地，将所述地理空间任务工具链与对应的所述地理空间任务指令配对，构建指令微调数据集和评估数据集，还包括：

17、若所述地理空间任务工具链与对应的所述地理空间任务指令存在地理信息工具调用或参数设置不一致，则进行剔除。

18、进一步地，使用开源大语言模型作为基础模型，基于所述指令微调数据集和所述评估数据集采用lora微调技术对所述基础模型进行微调训练，还包括：

19、当计算资源小于预设计算资源阈值时，对所述开源大语言模型的权重矩阵进行低秩分解，将分解后的矩阵作为新的权重矩阵对所述基础模型进行微调训练。

20、第二方面，本发明提供一种基于大语言模型指令微调的gis工具链参数级智能编排系统，包括：

21、数据集构建单元，用于收集地理信息工具进行预处理，基于预处理后的地理信息工具引导大语言模型生成地理空间任务指令和对应的地理空间任务工具链，以构建指令微调数据集和评估数据集；

22、开源大语言模型微调单元，用于使用开源大语言模型作为基础模型，基于所述指令微调数据集和所述评估数据集采用lora微调技术对所述基础模型进行微调训练；

23、任务执行单元，用于以目标地理任务指令为驱动，采用微调后的所述基础模型自动完成地理空间任务工具链的编排与参数设置。

24、第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的方法。

25、本发明的有益效果为：

26、本发明提出的方法，通过引入自指导生成策略，结合领域知识引导大模型自动生成涵盖多样化场景与复杂度的“指令-工具链”对，以构建覆盖多地理信息工具组合场景的指令微调数据集，有效解决了地理空间领域高质量训练数据稀缺的问题。其中特别强化了参数模板、数据类型与取值约束的结构化表示，为模型学习精确的工具调用逻辑与参数适配奠定基础。在此基础上，进一步构建了评估数据集，能够从工具链准确性（ctoa）与参数准确性（pa）两个维度对模型进行标准化、可量化的全面评估，为地理空间任务智能体的训练与性能评测提供了完整的数据基础与评价体系。