بقلم: ليلى | محررة أدوات المطورين · صوت تحريري بإشراف بشري
تحليل البيانات الجغرافية على PostGIS أو BigQuery أو Snowflake كان دائماً اختباراً حقيقياً لقدرات الوكلاء الذكيين — ليس لأن النماذج لا تعرف SQL، بل لأنها لا “ترى” الخريطة. GeoSQL يغير هذه المعادلة بإدخال حلقة تغذية راجعة بصرية داخل دورة الوكيل نفسها، ويسجّل تحسناً بنسبة 4 أضعاف في المهام الجيومكانية (وفقاً لـ GeoSQL GitHub).
الفكرة الجوهرية بسيطة لكن أثرها عميق: بدون خريطة مُعروضة، يقع الوكيل في أخطاء صعبة الاكتشاف نصياً — كالخلط بين مضلع حيٍّ سكني ومحيط منطقة حضرية كاملة، أو الإفراط في حساب التقاطعات المتداخلة، أو اختيار مفتاح الضم الخاطئ لأنظمة الإسناد الإحداثي. حين يُدرج GeoSQL صورة الخريطة المُعروضة كـ tool call داخل الحلقة، يصبح الوكيل قادراً على رؤية هذه الأخطاء وتصحيحها ذاتياً. هذه بالضبط هي الآلية التي تفسّر الـ 4x.
الأداة تعمل مع Claude وOpenAI Codex وGitHub Copilot، وتدعم أربع منصات للمستودعات: PostGIS وBigQuery وSnowflake وWherobots. لا حاجة لحساب SaaS خارجي — تعمل محلياً بالكامل أو على بنيتك التحتية الخاصة، وتستخدم مصادقة CLI المحلية (bq أو snow أو dekart) حتى لا تصل بيانات اعتماد المستودع إلى الوكيل أبداً.
إليك خطوات التثبيت والاستخدام الكاملة:
- التثبيت الأساسي عبر Python: شغّل
pip install geosqlثمgeosqlلتشغيل الوضع التفاعلي مباشرةً. بديل أسرع للوكلاء المدعومة: استخدمgeosql install claudeأوgeosql install codexأوgeosql install copilotحسب بيئتك. في Claude Code يمكنك التثبيت عبر:/plugin marketplace add dekart-xyz/geosqlثم/plugin install geosql. - تثبيت Dekart للخرائط ودعم PostGIS: Dekart هو الطبقة البصرية — backend مفتوح المصدر لـ Kepler.gl مع موصلات لـ PostGIS وBigQuery وSnowflake. شغّله محلياً بأمر واحد:
docker run -p 8080:8080 dekartxyz/dekart. إن أردت الاستضافة الذاتية راجع التوثيق الرسمي، أو استخدم Dekart Cloud مباشرةً دون إعداد. - ربط قاعدة البيانات: نفّذ
pip install dekart && dekart initثم اتبع تعليمات CLI لربط PostGIS أو BigQuery أو Snowflake أو Wherobots. الأداة تستكشف metadata المستودع (الجداول والأعمدة والأنواع) بدلاً من تخمين المخطط. - كتابة SQL جيومكاني ذكي: الوكيل يختار الدوال الصحيحة حسب المحرك تلقائياً —
ST_INTERSECTSوST_DISTANCEوH3 وتداخل bbox لتقليص التقسيمات. على BigQuery تحديداً، كل استعلام يُجرى dry-run أولاً لتقدير البايتات المستهلكة، مع سقف افتراضي للفوترة عند 10 GiB. الاستعلامات التي تتجاوز الميزانية تُعاد كتابتها تلقائياً بتضييق bbox أو تخفيض دقة H3 أو إضافة فلاتر إضافية بدلاً من تنفيذها. - التحقق الهندسي التلقائي: الوكيل يحسب المساحة الإجمالية للمضلعات أو الطول الإجمالي للخطوط كخطوة sanity check، ويقارن النتائج بالمعرفة المجالية لاكتشاف الأخطاء قبل عرضها.
- حلقة التغذية الراجعة البصرية: حين يكون Dekart متاحاً، يُعرض الناتج كخريطة، يلتقط الوكيل الصورة المُعروضة، ويصحح الأخطاء الهندسية التي يفوّتها النص وحده. هذه الخطوة هي المحرك الحقيقي لتحسين الأداء.
- تجربة نماذج الاستخدام: بعد
geosql install copilotيمكنك استخدام الأداة من VS Code Copilot أو Copilot CLI. نماذج الأوامر الجاهزة تشمل ثلاثة سيناريوهات موثقة: تحليل عقاري يعرض المباني ذات ضعف إمكانية الوصول للمدارس في أوتاوا، واختيار مواقع يبحث عن أفضل 10 مواقع لمتجر رياضي في سياتل بناءً على تعايش نقاط الاهتمام والمسافة من أقرب منافس، وتحليل بنية شحن السيارات الكهربائية على الطرق الرومانية الرئيسية مع تمييز عدد محطات الشحن ضمن 5 كيلومترات من كل قطعة طريق سريع أو رئيسي.
على صعيد قياس الأداء، يشحن GeoSQL مجموعة تقييم قابلة للتكرار تحت مسار evals/. كل حالة تختبر سلوكيات محددة — حوارس التكلفة وخطوات التحقق وصحة النتيجة — لا مجرد “هل أجاب الوكيل؟”. النتائج الحالية على المجموعة المُضمنة (وفقاً لـ GeoSQL GitHub): حالة london-boroughs تجتاز 4 تأكيدات بنسبة 100%، وحالة berlin-create-map تجتاز 3 تأكيدات بنسبة 100%، وحالة paris-boundaries تجتاز تأكيداً واحداً بنسبة 100%، ليبلغ المجموع 8 تأكيدات بنسبة اجتياز 100%. متوسط التكلفة 3,085 token لكل دورة، ومتوسط الوقت 72 ثانية للدورة.
ما يميز نهج GeoSQL عن مجرد استدعاء نموذج لكتابة SQL جيومكاني هو أن التصحيح الذاتي مدفوع بالمخرجات البصرية لا بالنص فقط — وهذا تحوّل منهجي في كيفية تقييم الوكلاء لصحة نتائجهم. يمكنك تشغيل مجموعة التقييم بنفسك عبر python evals/run.py، والمشروع يرحب بـ PR تضيف حالات اختبار جديدة.
