妙！用嘴就能做专业地图？实测AI制图新范式
自从河流图制作自由了，我总想着试试在河流上增加点什么。另外也是想借此评估各个大模型在GIS程序化脚本代码上的可靠性进展。
诚然，我也曾想过，在这江河之上再添几笔勾勒，或点染村落，或勾画阡陌。然而，此举与河流的矢量表达同出一源，探索的乐趣便浅了。更何况，东方美学向来推崇留白，那是无声胜有声的境界，是给观者留下无穷想象的余地。过多的元素，恐怕反而会占满了这份想象，究竟是让画面更胜一筹，还是落入了言语道断的“啰嗦”之嫌，实难定论。
写这篇文章的时候，回头再看看这些河流，还真是有一种壮丽的美
那将河流组合点什么呢？最容易想到的还是地形，也就是用DEM影像制作地形的起伏。
在我认识的自媒体大咖中，最擅长制作地形图的就是晨辰老师（微信号：GIS荟）。他发布了好几份沉甸甸的课程，有图文，有数据，有视频。而且，我认为晨辰老师最让人钦佩的是：眼中有美，并且还有行动力探索怎么让美上加美。
动手之前，我还是要参考一下晨辰老师的专业操作。上周就购买了一套去年他完结的制作教程。这套教程的操作软件是ArcGIS的pro和传统的ArcMap。
当然我的目标还是要转成QGIS里面实现、以及让大模型翻译成脚本，最终一键成图的，另外我还想为每个省单独制作河流叠加的效果，加上我要试试前两个月刚刚发布的FathomDEM 30m分辨率有哪些细节会更突出。就几个好奇心一起抒发吧。
好奇心（一）：用结果倒逼测试大模型的GIS见识首先测试这周的明星，豆包1.6多模态推理模型。将晨辰老师制作的结果图发给豆包，问问Ta，怎么制作的出来。
上面的截图，是豆包的推理过程+教程，并给出关键操作流程和技巧总结。看得我啧啧称奇。制作这样的地形起伏效果，最关键的几个部分：用山影图垫底，叠加渲染模式并配置透明度（但gemini说用overlay叠加，豆包说用柔光，其实最好的效果是强光），从Natural Earth上找数据做遮罩图层，这些重要的步骤，在教程中通通都不缺项。
看了和结果，我由衷的感慨。真的，从现在起，对于任何你陌生的专业化软件操作，你都不该望而却步，用不会来搪塞。
再测试一下支持多模态的gemini 2.5和claude 4，没有问题，教程写的都大差不差，非常靠谱。按照这个教程操作下来，你大概会收获一个很提升自我效能感的作品。
只是，如果你要想制作出晨辰老师的效果。还得拥有一些长期在此“浸淫”的经验，这也是我认为能让你我还有那么一点点独特性的“先验知识”。而且这种独特性，最终的落脚点往往就是品味，也就是我说的晨辰老师眼中的美。
解密晨辰老师的秘籍：
晨辰老师比大模型的教程更“独门”的妙方是：
1、冰川、湖泊、海底要单独做栅格影像，并独立渲染（西藏的冰川、海沟就会突出亮白，大湖也会突出亮蓝）；
2、制作颜色表，对每个DEM值都有颜色对应，而不是让GIS软件自己拉伸。这样会使得颜色更加的细致。
好奇心（二）：用脚本是不是可以稳定的输出
既然QGIS所有的操作都可以对应到脚本上，那我就不客气了。将晨辰老师的教程pdf输入给大模型，让Ta根据教程翻译成脚本，我来给Ta当测试员。本来我是想用豆包做测试的，但是豆包的输出真的让我有点等不及，加上思考的时间确实有点长了。还是改测OpenAI的4.1（中间切换了一会儿O3，但这次O3的表现居然让我有点失望）吧。
当然对大模型的代码还是要有一些耐心。最让我苦恼的地方是，Ta在QGIS 的API版本上反复犯错。即便一开始就告诉Ta我的QGIS版本号是3.41，但Ta还是会经常冒出来一些自己“幻觉”出的类和属性名字。这一点确实是Transformer模型的原理及通病（在输出layout环节，4.1反复出错，有一段时间，真是气死我了，这段代码让Gemini 2.5 pro修改，居然一次成功，更加气死我了）。等着新来的大神们从根本上解决吧，我希望这些大神们多多从中国诞生。
我自己的技巧在公号文章中也多次说了，不要一次给大模型一个大任务，分解了去做。剪切，生成中间过程的几个遮罩（Mask），配置颜色表，叠加的顺序和效果，输出layout等，都分别执行测试。等到每一个步骤都差不多稳定了，一句话就可以将其组成一个最终脚本。
输入一个省的名字，即可以全部自动输出效果图
好奇心（三）：大模型的美感水平如何
其实最后出图的效果好看不好看，最关键的因子就是为高程配置颜色。我是没有晨辰老师的水平，但我想试试大模型的审美能力。我让Deepseek根据每个省的文化意象，输出一个主色调和从低到高的变换色带，再让编程模型根据这个意向自行差值制作色彩表。
PROVINCE_COLOR_SCHEME = {
# 华北地区
"北京市": "宫墙朱红: 深红-朱砂-米黄",
"天津市": "津门霞粉: 绛紫-蔷薇粉-象牙白",
"河北省": "燕赵青灰: 深青灰-中灰蓝-浅灰蓝",
"山西省": "晋商驼褐: 古铜-蜜褐-沙黄",
"内蒙古自治区": "草原翠茵: 嫩绿-翠绿-草原深绿",# 东北地区"辽宁省": "奉天金橙: 赭石-琥珀-香槟金","吉林省": "长白雪青: 苍色-月白-冰晶蓝","黑龙江省": "冰城银白: 钢蓝-铂灰-珍珠白",# 华东地区"上海市": "霓虹幻紫: 宝石蓝-电光紫-玫瑰晶","江苏省": "江南黛青: 墨绿-石青-烟雨灰","浙江省": "越州烟绿: 苔绿-竹青-湖绿","安徽省": "徽州墨赭: 焦茶-砖红-米杏","福建省": "闽南砖赤: 朱褐-荔枝红-珊瑚粉","江西省": "赣水青花: 钴蓝-天青-影青","山东省": "岱宗石蓝: 藏青-岱蓝-浅葱",# 华中地区"河南省": "中原杏黄: 垩黄-琥珀黄-沙金","湖北省": "云梦泽碧: 松绿-琉璃碧-水蓝","湖南省": "潇湘赤赭: 朱红-赭石-霞橙",# 华南地区"广东省": "南粤鎏金: 赤金-明黄##DDDED特##-稻穗黄","广西壮族自治区": "桂岭翡翠: 孔雀绿-碧玉-葱青","海南省": "琼崖珊瑚: 嫣红-蜜橙-海蓝","香港特别行政区": "维港霓虹: 群青-品红-霓虹蓝","澳门特别行政区": "濠镜金粉: 赤金-玫瑰金-香槟",# 西南地区"重庆市": "山城雾霭: 钢色-银灰-雾霾紫","四川省": "蜀锦斑斓: 酡红-姜黄-靛蓝","贵州省": "苗银湛蓝: 靛青-钴蓝-银白","云南省": "滇霞七彩: 红-橙-黄-绿-蓝-紫","西藏自治区": "雪域天青: 藏青-天青-圣光白",# 西北地区"陕西省": "秦俑赭石: 陶土-生赭-鹿皮","甘肃省": "敦煌泥金: 砂褐-泥金-月牙白","青海省": "青海靛蓝: 藏青-佛青-冰湖蓝","宁夏回族自治区": "西夏沙金: 骆驼褐-胡杨金-麦芽黄","新疆维吾尔自治区": "天山雪莲: 雪山白-橙黄-沙丘褐",# 台湾地区"台湾省": "宝岛翡翠: 深碧-翡翠-浅海绿"
}
部分省的结果如下：
我觉得这个美感真是一般般。不是那么惊艳。所以对于高程的渲染色带，常用的也就是那么几个。也许人眼将高度转换成大脑的认知，几百年来，制图学家们已经基本摸清了门道。随便的颜色组合，并不符合大脑的预期。当然，“颜色意向→自然语言→程序代码→最终视觉效果”这条路径已经打通了，剩下的满意还是不满意，你都可以跟人工智能的“助手”说就行了。我也越发体会到了：语言即软件的范式升级。
颜色，尺寸，分辨率，DPI，不满意，就动动嘴吗
总结：语言即软件——在人机协作的新范式中重塑创造力
本次探索始于为河流图叠加地形的单纯想法，其终点却远超出一张张绚丽但不那么好看的地图。不过这次实践，却意外生动地验证了一个正在席卷而来的范式革命：语言，正在成为新的软件。
正如AI领域的思想者安德烈·卡帕西（Andrej Karpathy）所描述的，我们正从“软件1.0”（人类编写的显式代码）和“软件2.0”（神经网络权重）时代，全面迈入“软件3.0”时代。在这个新时代，大型语言模型（LLM）本身就是一台新型的、可编程的通用计算机，而我们用自然语言发出的提示（Prompt），就是它的程序。
我的这次制图经历，也算是对这一未来的预演：
- LLM即操作系统（LLM as an OS）：在整个流程中，我与大模型的互动，并非简单的人机问答，而更像是在一个功能强大却尚显原始的“LLM操作系统”上，通过“对话”进行编程。当我要求模型将晨辰老师教程中的操作转译为代码时，我就是在下达指令；当我让OpenAI 4.1根据Deepseek创意的“燕赵文化的青灰色调”或“潇湘的赤赭意象”生成配色方案时，我本质上就是在用自然语言编写一个关于“美学”的程序。
- 人机协作的“钢铁侠战衣”：这个新“操作系统”并非完美。它会犯错（如QGIS的API版本混淆），审美也未必总能符合人类的认知（如高程配色的效果平平）。这恰恰凸显了卡帕西所强调的“人机协作”新模式：AI负责高效生成（Generation），而人类专家则凭借经验与品味进行关键的验证（Validation）。我修正代码、评判色彩，正是这个“生成-验证”闭环中不可或缺的一环。我们不是在构建一个全自动的“制图机器人”，而是在为自己打造一套“钢铁侠战衣”——它极大地增强了我们的能力，但最终方向盘仍掌握在我们手中。
- 自然语言成为终极接口：从“给我一段实现某功能的代码”，到“根据XX意象生成配色”，再到不满意时直接说“这个颜色不好看，换一个”，这条“文化意向→自然语言→程序代码→最终视觉效果”的路径已被完全打通。在这个过程中，我甚至偷懒到没有一次尝试阅读AI代码的细节。我就是将错误输入给模型，有时候我甚至要抱怨、恨恨的嘲讽大模型的代码，回头想想我跟大模型说这个是不是有点傻？这个过程预示着，为了让AI代理（Agent）更好地为我们工作，未来的软件和服务需要更适应自然语言这一终极接口。我们正在进入一个“Vibe Coding”（沉浸式编程）的时代，每个人都可以成为自己需求领域的“程序员”。
这次探索始于地理之美，却意外地再次触及了软件开发的未来脉搏。它揭示了一条激动人心的路径：任何领域的专家，无论是地理、金融还是艺术，都可以通过与AI的“对话”，将自己脑中的专业知识、经验和独特品味，直接转化为可执行的工具与作品。我们不仅在重写代码，更在重塑人与机器的协作关系，以及创造力的表达方式。这，或许就是AI时代赋予我们每个人的、最激动人心的机遇。而你我呢，保有我们存在感的唯一道路，就只剩下：欣赏美。