pengxiao
219232de74
以讲义内容为骨架迁移到标准目录格式： - officefile/ 主内容（12章 + 附录 + CC4SI补充） - dofile/ 代码示例（11个Python脚本） - data/ 图片资源 - output/ 生成输出（忽略） - Archive/ 归档旧目录（忽略） - .claude/skills/ 保留markdown-to-docx工具链 - .pandoc/ 保留CSL和本地化配置 Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
3.0 KiB
3.0 KiB
第一部分：导论
本部分目标
建立读者对AI在空间领域应用的宏观认知，理解：
- 为什么在AI时代需要理解原理而非仅仅学习操作
- 空间智能的独特性及其与通用AI的区别
- 自主设计的真正含义及其在设计实践中的价值
- Claude Code如何作为学习工具而不仅是生产力工具
章节导航
| 章节 | 文件 | 核心问题 | 实践 |
|---|---|---|---|
| 00.1 | 为什么要读这本书 | AI只是工具吗？原理知识为何重要？ | ENAgent项目介绍 |
| 00.2 | 空间智能是什么 | 机器如何"理解"空间？ | 空间推理演示 |
| 00.3 | 自主设计的含义 | 自动与自主有何区别？ | HITL工作流示意 |
| 00.4 | Claude Code作为脚手架 | 如何借力AI学习AI？ | Claude Code基础操作 |
学习路径
开始阅读
│
├─ 你怀疑AI的可靠性？
│ └─ 重点阅读 00.1
│
├─ 你想了解空间AI的独特性？
│ └─ 重点阅读 00.2
│
├─ 你对Agent和自动化感兴趣？
│ └─ 重点阅读 00.3
│
└─ 你想快速上手实践？
└─ 直接跳到 00.4
前置知识
必需：
- 基本的GIS概念（图层、坐标系、矢量/栅格）
- Python编程基础
** helpful but not required**：
- 机器学习的基本概念
- 工作流自动化经验
预计学习时间
| 阅读类型 | 时间估计 |
|---|---|
| 快速浏览 | 2-3小时 |
| 理解性阅读 | 6-8小时 |
| 完成所有实践 | 12-15小时 |
章节亮点
00.1 为什么要读这本书
- 揭示"命令依赖症"的危害
- 解释为什么AI知识半衰期越来越短
- 提出持久认知框架的构建方法
00.2 空间智能是什么
- 从人类空间认知到机器空间智能
- GIS与空间智能的本质区别
- 空间推理的两种范式
00.3 自主设计的含义
- 澄清常见误解：自动 ≠ 自主
- HITL（Human-in-the-Loop）的设计哲学
- 从工具到伙伴的关系转变
00.4 Claude Code作为脚手架
- Claude Code的独特优势
- Agent、Skill、Hook的直观理解
- 工具中性原则：如何不被特定工具绑定
实践案例00：搭建你的第一个空间AI助手
在阅读完所有章节后，你将能够：
- 配置Claude Code环境
- 创建一个简单的空间查询Skill
- 理解Agent如何调用工具完成任务
- 建立对后续学习的信心
详见 practice/setup-first-assistant
思考问题
在开始阅读前，请思考：
- 你目前使用AI的方式是什么？遇到的最大困扰是什么？
- 你认为"理解原理"和"学会操作"哪个更重要？为什么？
- 空间分析与一般的智能任务有什么不同？
- 你期待AI在设计工作中扮演什么角色？
带着这些问题阅读，会更有收获。