用GPT-6 Astra和ChatGPT Work生成跑步路线

今天早上，我让 ChatGPT 工作 与 GPT-6 Astra（Max）合作完成了一件很有趣的事：

我住在 。请帮我规划两条从我家出发、绕行一圈的跑步路线：5公里和10公里。请使用 OSM 数据。

它运行了27分钟，完全按照我的要求生成了结果，既提供了内嵌的可视化地图，也提供了可下载的 GPX 文件和 GeoJSON 文件。以下是那条5公里的路线：

当我询问它是如何生成这条路线的时，它回答道：

我使用了Nominatim 来定位地址，并用Overpass 下载了当地的 OpenStreetMap 道路和步道,然后在本地计算出了环形路线。

令人沮丧的是，在 ChatGPT 的用户界面中，我无法看到它实际运行的代码以及具体的操作细节。这种缺乏透明度的做法实在是一种反特性。

等我想起要索取它所使用的 Python 代码时，ChatGPT 已经无法提供。这似乎是因为对话线程已经被压缩了。我认为，任何采用压缩机制的语言模型系统都应当同时保存压缩前的文本，并通过代理工具调用来提供这些原始文本，以避免此类问题的发生。

至于向我展示地图，这是通过 可视化技能 实现的。它生成了一个名为 /workspace/el-granada-5k-share.html 的文件，直接嵌入到 ChatGPT 的用户界面中。

以下是 一份该HTML的副本 的内容，开头如下：

  
埃尔格拉纳达港口环线
5.1 公里
  
  地图数据 © OpenStreetMap 贡献者
  
  
  
  

其中的 元素包含了渲染跑步路线和地图本身所需的全部几何数据，使用的是 D3 库，该库从 可视化技能 本节所述的一个白名单 CDN 地址加载：

外部资源

• CSP 只允许 cdnjs.cloudflare.com、esm.sh、cdn.jsdelivr.net、unpkg.com、fonts.googleapis.com、fonts.gstatic.com 和 fonts.bunny.net。其他来源均被阻止，且会静默失败。

标签：地理空间、前往、d3、OpenAI、生成式人工智能、ChatGPT、大型语言模型、技能、GPT-6-阿斯特拉