AI自动获取俄罗斯当年『侵占』我们的城市地图

特朗普当选后的各种动作，以及未来世界可能的走势是本周全球各大智库、媒体的焦点。其中一个比较扑朔迷离（搞笑）的一个事件是——CNN援引接近特朗普的智囊说给普京打了电话，而第二天俄罗斯的官方新闻表态：根本没有打过。打没打电话无所谓，全球都在拭目以待，特朗普到底怎么结束俄乌战争。当然24小时这种说法，纯属不要脸的吹牛。

大概率的方案是俄罗斯人占的地方就不归还了吧。我就想起来，这几个『小州』的面积与当年俄罗斯通过各种手段从我们手中『拿走』的土地比起来，那可真是小到可以忽略。

一时兴起，想把当年那些不平等条约割让出去的地区，其中心城市的地图绘制一下。只要有个念想，就得试试新的AI进展。

这周在AI关注圈子中有一个少年挺耀眼的，一个17岁的上海学生Richard Tu（除了他的GitHub账号和X，其他留下的信息还真不多）。Ta描述自己为一个：普普通通的学生。

Ta干了啥？

写了一个让Claude干活之前先思考的prompt，大家按照这个prompt跑下来，觉得可以达到甚至超过最有思考条理、最能高级推理的GPT o1的水平。Claude的sonnet 3.5可比o1便宜太多，如果能达到这个水准，实在是日常离不开大模型的你我之福分。

17岁的少年可以在人工智能的时代迅速抢占创新的一块小地盘，我们还是要对这个时代有信心

具体prompt比较长，原文在这里：（https://github.com/richards199999/Thinking-Claude/tree/main）。如果真是没有海外经历的上海小伙的话，英语水平、逻辑能力都是杠杠的棒。

执行这个prompt后，我第一件事儿是先让Claude分析这个prompt有什么特别之处，果然Claude上来就是先思考：

<thinking>

嗯...这个提示词非常独特,让我仔细思考下最关键的创新点和亮点...

首先最与众不同的是它强调了一个完整的"思考协议"概念。不同于普通prompt直接告诉AI该做什么,它设计了一个让AI进行"内部独白"的机制。这种设计很巧妙,因为它模拟了人类思考的自然过程。

从提示工程的角度来看,最值得学习的应该是它的多层次性。它不仅要求"做什么",更重要的是设计了"怎么想"的完整框架。这种元认知层面的设计很少见。

特别有趣的是它强调思维过程要像流水一样自然流动,而不是机械化的步骤。这点很有启发 - 通常人们写prompt容易过度结构化,反而限制了AI的发挥。

从技术角度看,使用code block来分隔内部思考和外部回应也很巧妙。这种形式让AI能够区分"思考过程"和"最终输出"。

还有一点很精妙 - 它要求根据问题的复杂度来调整思考深度。这种自适应的设计理念在prompt中比较少见。

最后,它特别强调了使用自然语言词汇来体现真实的思考过程,这种细节的考虑也很有特色。

整体来说,这个prompt最大的价值在于它展示了如何设计一个更"智能"的思考框架,而不是简单的指令集合。

</thinking>

从上面这段思考的过程看得出，这个提示词最独特和最值得学习的地方主要有以下几点（这五点总结也是Claude输出的）：

1. 创新的"思考协议"设计：首创性地构建了AI的内部独白机制，让AI像人类一样进行自然的思考流程，而不是机械地执行指令。
2. 元认知层面的框架：不只是告诉AI"做什么"，而是教会AI"如何思考"。这种设计让AI的回答更加深入和全面。
3. 自然流动的思维模式：强调思维过程应该像流水一样自然流动，避免过度的结构化和格式化。这种设计让AI的思考更接近人类。
4. 技术实现的巧妙设计：使用代码块来分离内部思考和外部回应，既保持了思考过程的完整性，又确保了输出的清晰。
5. 自适应深度设计：根据问题的复杂度和重要性自动调整思考深度，这种灵活性让AI能更好地处理不同类型的问题。

让我来简化成一点：这个提示词工程，超越了简单的指令给予，而是构建了一个完整的思维框架。也就是让大模型动脑子像人一样思考以后再行动，最关键的地方是告诉大模型该怎么思考。

有心人可以继续在这之上进行修改，比如可以结合李继刚老师的prompt做整合。当然直接拿来用，是最简单省事儿的。

我就开始绘制地图吧。不过在这之前，先考究一下Claude的思考能力如何：

请按照给你设定的协议思考，如下城市有什么共同的特点：

• 海参崴（符拉迪沃斯托克）
• 双城子（乌苏里斯克）
• 伯力（哈巴罗夫斯克）
• 野猪河（达利涅戈尔斯克）
• 海兰泡（布拉戈维申斯克）
• 库页岛（萨哈林岛）
• 庙街（尼古拉耶夫斯克）
• 尼布楚（涅尔琴斯克）
• 雅克萨（阿尔巴津诺）

这些城市有以下主要共同特点：

1. 都位于俄罗斯远东地区，主要分布在外满洲里亚地区
2. 都曾是清朝领土，后经《瑷珲条约》《北京条约》等割让给沙俄
3. 都保留有满语或中文历史地名
4. 大多临近重要水系（如黑龍江、乌苏里江等）
5. 在地缘战略上具有重要价值
6. 见证了19世纪中叶中俄关系的重大变迁

我突然觉得大模型对一个问题的思考过程也是非常耐人寻味的。可能会反过来启发我们的大脑，从过程上就给出一些让人眼前一亮的角度。这个结果很让我满意。可以继续研究实现最初的目标了。

我的要求是获取这些城市的坐标，在QGIS的python Console中编写python代码，批量获取这些城市的地图，并输出成高清图片。中间只有因为投影的问题，绘制出的地图显得有些仰角。不过我将对比图片发给Claude后，Ta自己就『想』到了问题所在，很快将代码修正了。

库页岛_Сахалин

尼布楚_Нерчинск

庙街_Николаевск-на-Амуре

野猪河_Дальнегорск

海参崴_Владивосток

雅克萨_Албазино

伯力_Хабаровск

海兰泡_Благовещенск

双城子_Уссурийск

既然可以批量处理了，不费人工的操作精力，那就把俄罗斯100大城市全部都输出吧。连坐标都不用自己去匹配，Claude全程自己搞定（我还让GPT 4o核实了一下，两个小伙伴搭档着干活，岂不快哉）。

俄罗斯人口排名前100的城市地图

在QGIS中操作，一个优势就是可以灵活的选择各种地图资源参与到制作环节。你要想保存成谷歌的卫星影像，也就换一个底图即可，非常简单。

莫斯科

圣彼得堡

新西伯利亚

叶卡捷琳堡

下诺夫哥罗德

批量制作地图，仍然有很多创意空间，比如输出layout，在地图周边增加文字（城市名字，人口数量。。。），标注一些重要的地物和建筑。Claude去落实你的想象，这个落实的过程透明而有条理。

从特朗普的事儿，我用了一个上午『求助』AI自动生成了俄罗斯城市的高清地图。这次实践另外也是尝试新涌现出的提示词工程的巨大潜力，跟更多的聪明人学习。整个过程再次证明了与AI搭档能够显著提升生产效率，更重要的，让AI不再只是简单的工具，而是具备思考和自我调整的助手。在传统的GIS领域，这种结合也为更多创造性的工作打开了大门。未来，无论是处理复杂数据还是绘制精细地图，AI与GIS的结合都将为我们提供更多可能性和灵感。