用一句自然语言下达遥感分析任务，智能体自主完成 任务理解 → 记忆召回 → 自主规划 → 工具调用（ReAct）→ 结果交付 的全过程， 并实时流式呈现规划时间线、工具执行进度与产物（专题图 / 统计表 / GeoTIFF / 分析报告）。
面向多源栅格数据（NDVI、地表温度、反射率、地形、气候、土地利用等）， 不绑定特定区域与特定数据源：把数据按目录约定放好，智能体即可在其上工作。
真实运行界面（离线规则模式）：左侧数据资源 · 中间任务区 · 右侧任务记录与产物画廊
| 能力 | 实现方式 |
|---|---|
| 任务理解 | LLM 结构化解析意图（目标 / 任务类型 / 数据集 / 指数 / 年份 / 交付物），未配置 Key 时退化为关键词规则解析 |
| 自主规划 | 生成 1–5 步工具调用计划，执行后由大模型基于中间结果进入 ReAct 循环自主追加调用 |
| 工具调用 | 11 个遥感分析工具，以 OpenAI Function Calling（JSON Schema）协议暴露，统一注册表调度 |
| 结果交付 | 自动汇总结论（含关键数值）+ 产物清单；支持一键生成 Markdown / HTML 分析报告 |
| 检索增强 | 数据目录中文别名加权检索，为理解与规划提供「可用数据」上下文 |
| 长短期记忆 | 会话内轨迹（SessionMemory）+ 跨会话经验沉淀（memory.jsonl），规划时召回历史经验 |
| 工作流编排 | 引擎以事件流（emit）驱动 5 阶段流水线，Web 层经 SSE 推送 |
| 多模态产物 | 自然语言输入，交付图文报告、专题图、栅格与表格等多模态结果 |
┌───────────────── 浏览器前端 frontend/ ─────────────────┐
│ 对话界面 · 阶段导轨 · 规划时间线 · 工具卡片 · 产物画廊 │
└───────▲──────────────────────────────┬───────────────┘
SSE 事件流 │ │ POST /api/task
(session/plan/step/ │ ▼
progress/artifact) │ ┌──────────────────────────┐
│ │ FastAPI 服务层 server.py │
│ │ 工作线程 ←→ asyncio 队列 │
│ └────────────┬─────────────┘
│ ▼
│ ┌────────────────────────────────┐
└──────────────┤ 智能体编排引擎 agent.py │
│ 理解→召回→规划→执行→交付 │
└───┬───────┬───────┬────────┬───┘
catalog.py ────┘ llm.py │ memory.py│ │ tools/ (11 工具)
数据目录 RAG 大模型 │ 长短期记忆│ 工具注册表
(可离线降级) │
▼
outputs/ figures · tables · rasters · reports
.
├── app/
│ ├── config.py # 全局配置（.env 读取、路径、LLM 参数）
│ ├── llm.py # OpenAI 兼容大模型客户端（可用性探测 + 离线降级）
│ ├── catalog.py # 数据目录 RAG（扫描数据根目录、中文别名检索、派生指数定义）
│ ├── memory.py # 长短期记忆（会话轨迹 + memory.jsonl 持久化）
│ ├── agent.py # 智能体编排引擎（任务理解/规划/ReAct/交付）
│ ├── server.py # FastAPI 服务（SSE 流式、静态资源、会话接口）
│ └── tools/ # 工具集（11 个，统一注册）
├── frontend/ # 原生 Web 前端（index.html / styles.css / app.js）
├── scripts/
│ └── make_demo_data.py # 生成合成演示数据（无真实数据也能跑通）
├── docs/ # 界面预览图（README 顶部展示）
├── raw/ # 原始遥感数据（不入库，见下方约定）
├── outputs/ # 运行产物（不入库）
├── data/ # 运行期状态：目录缓存、长期记忆（不入库）
├── requirements.txt
└── .env.example
# 1) 安装依赖（Python 3.10+，3.12 已验证）
python -m pip install -r requirements.txt
# 2) 准备数据：生成一套合成演示数据（几十 MB，几秒钟）
python scripts/make_demo_data.py --out raw
# 或者：把自有遥感数据按「数据目录约定」放进 raw/
# 3) 配置（可选）。不配置 Key 时自动运行在离线规则模式，功能完整可用
copy .env.example .env # Windows
# cp .env.example .env # macOS / Linux
# 编辑 .env，填入 LLM_API_KEY / LLM_BASE_URL / LLM_MODEL
# 4) 启动
python -m app.server浏览器打开 http://127.0.0.1:8000 即可对话。健康检查：GET http://127.0.0.1:8000/api/health。
- 在线模式：配置
LLM_API_KEY后启用。由大模型完成任务理解、规划、ReAct 追加调用与结论撰写。 - 离线模式：未配置 Key 时启用，或在在线调用失败时自动降级。基于关键词规则完成任务理解与工具链规划， 工具执行、产物生成与流式呈现完全一致，保证无网络 / 无额度环境下也能完整演示。
智能体启动时扫描数据根目录，按「子目录 + 文件名模板」识别数据集。
内置 18 个数据集的别名、单位、时间范围定义见 app/catalog.py 的 DATASET_SPECS。
| key | 说明 | 类型 |
|---|---|---|
ndvi |
NDVI 植被指数（年最大值合成，2000–2025） | 连续 |
lst |
地表温度（年均值，2000–2025） | 连续 |
reflectance |
地表反射率（7 波段中值合成，2000–2025） | 连续 |
elevation / slope / twi |
高程 / 坡度 / 地形湿度指数 | 连续（静态） |
soil_moisture |
GLDAS 土壤水分 | 连续 |
water_occurrence |
JRC 地表水出现频率 | 连续（静态） |
landuse |
土地利用/覆被（1km 一级类） | 分类 |
population |
GPW 人口密度 | 连续 |
built |
GHS-BUILT 建成区比例 | 连续 |
precip / temp / pet / deficit / aridity |
TerraClimate 气候要素 | 连续 |
cmip_precip / cmip_temp |
CMIP6 未来气候情景（SSP2-4.5 / SSP5-8.5） | 情景 |
派生指数（由反射率 / NDVI / LST 现算）：NDVI NDWI MNDWI NDBI SAVI WET NDBSI RSEI。
| 工具 | 分类 | 作用 |
|---|---|---|
search_catalog |
数据检索 | 按关键词检索可用数据集 |
describe_dataset |
数据检索 | 查看某数据集的年份/单位/波段等元数据 |
compute_index |
指数计算 | 计算光谱指数或 RSEI 遥感生态指数 |
raster_stats |
统计分析 | 单期/多期描述统计（均值、分位、极值） |
time_series |
统计分析 | 区域均值逐年时间序列 + 折线图 + CSV |
zonal_by_landuse |
统计分析 | 按土地利用一级类分区统计（网格不一致自动重采样） |
trend_analysis |
趋势分析 | 逐像元 Mann-Kendall 检验 + Sen's slope，9 级趋势分级 |
change_detection |
趋势分析 | 两期差分，5 级变化分级 + 面积统计 |
scenario_compare |
情景分析 | CMIP6 多情景区域统计对比（不做像元级差分） |
compose_map |
制图 | 多时相栅格拼成多面板专题对比图 |
generate_report |
结果交付 | 汇总任务轨迹生成 Markdown / HTML 报告 |
| 方法 | 路径 | 说明 |
|---|---|---|
POST |
/api/task |
提交任务，返回 SSE 事件流（body：{query, session_id?}） |
GET |
/api/session/{session_id} |
获取会话状态（理解/计划/步骤/产物/消息） |
POST |
/api/session/reset |
重置会话并新建 |
GET |
/api/meta |
智能体元信息（模式、模型、数据集、工具、统计） |
GET |
/api/memory?limit=20 |
长期记忆（倒序） |
GET |
/api/health |
健康检查 |
GET |
/files/... |
访问 outputs/ 下的产物文件 |
session → status → understanding → recall → plan → step_start → progress → tool_result
→ reflection（在线模式）→ final → done；异常时为 error。
事件均为单行 JSON（data: {...}），队列空闲时发送 : keep-alive 心跳。
分析 2000-2025 年 NDVI 的变化趋势与显著性对比 2000 年与 2020 年 NDVI 的变化情况绘制 2020 年 NDVI 的空间分布图评估 2020 年研究区的生态质量（触发 RSEI 生态指数计算）统计 2020 年不同土地利用类型的 NDVI 平均值给出 NDVI 区域平均的时间序列折线图未来不同情景下降水量将如何变化？汇总一份植被覆盖分析报告
前端示例文案中的「研究区」由
frontend/app.js顶部的STUDY_AREA常量控制， 改成你自己的区域名称即可。
- 放置数据：按
app/catalog.py中DATASET_SPECS的subdir与template约定命名， 例如 NDVI 为<数据根目录>/NDVI/NDVI_MVC_2020.tif。 - 改数据根目录：默认是项目内的
raw/，可用环境变量GEO_DATA_ROOT指向任意位置。 - 新增数据集：在
DATASET_SPECS里追加一条DatasetSpec（key / 子目录 / 文件名模板 / 年份 / 单位 / 别名）， 并在ALIASES中补充中文别名，检索与规划即刻可用。 - 改研究区名称：修改
frontend/app.js的STUDY_AREA常量。
数据要求：GeoTIFF，同一数据集内网格一致；分类数据建议用 DatasetSpec.classes 声明类别字典与 nodata。
| 变量 | 默认值 | 说明 |
|---|---|---|
LLM_BASE_URL |
https://api.deepseek.com/v1 |
OpenAI 兼容接口地址 |
LLM_API_KEY |
空 | 留空则运行离线规则模式 |
LLM_MODEL |
deepseek-flash |
模型名 |
LLM_TEMPERATURE |
0.2 |
采样温度 |
LLM_TIMEOUT |
180 |
单次请求超时（秒） |
AGENT_MAX_STEPS |
14 |
单任务最大工具调用步数 |
TREND_MAX_PIXELS |
900000 |
趋势分析最大像元数，超出自动抽稀 |
GEO_DATA_ROOT |
./raw |
原始数据根目录 |
GEO_OUTPUT_DIR |
./outputs |
产物输出目录 |
GEO_STATE_DIR |
./data |
运行期状态目录 |
Python 3.10+ · FastAPI（SSE 流式）· rasterio · NumPy / SciPy / scikit-learn · matplotlib(Agg) · 原生 HTML/CSS/JS
- 仓库不包含任何遥感数据。
scripts/make_demo_data.py生成的是数学合成的假数据， 不映射任何真实地点，仅用于打通功能链路。 - 使用真实数据时，请自行确认数据源的许可与引用要求（如 MODIS / GLDAS / JRC / GPW / GHS / TerraClimate / CMIP6 等均有各自的使用条款）。
raw/、outputs/、data/、.env均已加入.gitignore，不会被误提交。
本项目基于 MIT 许可证 开源，可自由使用、修改与分发，请保留版权声明。