GISclaw：用于现实多步骤地理空间分析的综合开源 LLM 代理系统

大多数 LLM 驱动的 GIS 助手解决与 ArcGIS 或 QGIS 等专有平台紧密耦合的狭窄单步任务，限制了它们在定义专业地理空间分析的多步骤、跨格式管道中的使用。我们推出 GISclaw，这是一个全面的开源代理系统，可以直接通过 Python 执行端到端的现实 GIS 分析 - 空间连接、栅格代数、克里金插值、机器学习分类、网络分析、分区统计图绘制 - 无需商业 GIS 依赖。 GISclaw 将 LLM 推理核心与预加载开源地理空间堆栈的持久 Python 沙箱、三个工程提示规则（模式分析、包约束、领域知识注入）以及用于自我纠正的错误内存模块结合起来。与后端无关的单一架构支持云 API 和本地部署的开放式 LLM 后端，从而实现气隙部署而不损失功能。在 GeoAnalystBench（50 个专家策划的多步骤任务，跨矢量、栅格和表格数据平均 5.8 个分析步骤）上，GISclaw 在三次独立运行中达到了高达 100% 的任务成功率和 97% 的平均成功率。我们进一步进行了 1,800 个受控实验（50 个任务 x 6 个后端 x 2 个架构 x 3 个重复），其中包括 bootstrap 95% CI、配对 Wilcoxon 测试和综合评分敏感性分析（Kendall 的 tau 中位数 = 0.94），并引入了结合代码结构、推理过程和特定类型输出验证的三层评估协议。单代理 ReAct 循环在每个云后端上都可靠地优于双代理计划-执行-重新计划管道（Cliff 的增量 = 0.15-0.41）；只有本地部署的 14B 模型才能从多代理编排中获益，这表明架构复杂性应该与模型功能相匹配，而不是默认添加。