# 【腾讯位置服务】让地图听懂人话：用AI Agent给地图装上「大脑」，还能组队协作

> 你见过AI自己"想"问题的地图吗？你见过一群人各自在不同地方，地图自动算出最佳碰头点的吗？你见过队友之间在地图上画连线、AI根据所有人的位置来规划行程的吗？

## 一个念头

之前做一个基于位置服务的活动应用，用户总抱怨："我就想知道附近哪有合适的场地，还得点搜索、输关键词、看列表……太麻烦了！"

还有更烦的——几个人约着出去玩，"你在天安门，我在国贸，他在西单，咱去哪碰头？"光是讨论碰头地点就能聊半小时。

我就在想：**能不能像聊天一样用地图？**

说"帮我找中关村附近的咖啡馆"，地图就自动把结果标出来。
说"从天安门到颐和园怎么走"，路线就画好了。
说"我们仨分别在天安门、国贸、西单，去哪碰头方便"，自动推荐折中位置。

于是有了 **MapMind**——用腾讯位置服务 + AI Agent 做的智能地图助手，让地图从"被操作的死工具"变成"能思考的活助手"。而且不只是单人用，还能**实时组队共享位置**，让出行协作从"群里发定位"进化到"地图上一起看"。队友之间有连线，AI知道每个人的位置，规划行程时自动考虑所有人——这才是真正的"协作地图"。

---

## 5秒搞懂它能做什么

| 你说一句 | 它帮你做 | 用到的腾讯API |
|---------|---------|-------------|
| "附近有啥好吃的" | 自动定位→搜索→标地图 | IP定位/Poi搜索/逆地理编码 |
| "从天安门到颐和园" | 地址转坐标→画路线→算时间 | 地理编码/路线规划 |
| "咱仨在天安门、国贸、西单碰头" | 算折中点→搜附近→推荐位置 | 地理编码×3 + 周边探索/搜索 |
| "帮我规划今天的行程" | 搜景点→串路线→给方案 | POI搜索/路线规划 |
| "北京有几个区" | 查行政区划→标地图 | 行政区划查询 |
| "这附近有什么好玩的" | 周边探索→按距离排序 | 周边探索(explore) |
| "从这里到那里多远" | 算距离+驾车时间 | 距离计算 |
| "我想输入'咖啡'自动补全" | 搜索关键词提示 | 搜索提示(suggestion) |

不用点按钮、不用选分类、不用调筛选——像聊天一样说人话就行。

---

## 核心原理：AI Agent + Function Calling = 地图会"思考"

传统地图用法：

```
用户 → 想找咖啡馆 → 点搜索 → 输入"咖啡馆" → 选分类 → 看列表 → 点进去 → 看详情
```

MapMind 用法：

```
用户 → "帮我找咖啡馆" → AI理解意图 → 自动调地图API → 结果打在地图上
```

关键就这么几步：

1. **用户说人话** → 发给大模型
2. **大模型"想"一下** → 通过 Function Calling 决定调用哪个地图工具
3. **后端执行工具** → 调腾讯位置服务API拿数据
4. **结果画在地图上** → AI再组织语言回复用户

如果一次搞不定？AI会**多轮思考**——先调地理编码拿到坐标，再调路线规划画路线，再调距离计算算时间——一条消息可能触发3~4次工具调用，用户完全无感。

### 9大地图工具，覆盖出行全场景

| 工具名 | 用途 | 典型场景 |
|-------|------|---------|
| search_poi | 搜索地点/POI | 找咖啡馆、餐馆 |
| plan_route | 路线规划 | 驾车/步行/骑行/公交 |
| geocode | 地址→坐标 | "天安门"→ 39.9,116.4 |
| reverse_geocode | 坐标→地址 | 反过来 |
| suggest_meeting_point | 多人汇合推荐 | 算中心点+搜附近 |
| get_district | 行政区划查询 | "北京有几个区" |
| explore_nearby | 周边探索 | 无关键词也能发现 |
| get_distance | 距离+时间计算 | "多远？多久？" |
| search_suggestion | 搜索关键词提示 | 输入补全 |

其中最有意思的是 `suggest_meeting_point`——它不只是简单算个中心点，而是**双路搜索策略**：先用 `explore` 按距离排序获取热门地点，如果有偏好（如"地铁站"），再用 `search` 精确搜索，优先返回精确匹配结果。

---

## 核心机制：两阶段 LLM 调用（ReAct Agent）

整个 AI Agent 的核心就是一个 **ReAct 循环**——思考→行动→观察→再思考：

1. 把用户消息+系统提示词发给AI，AI决定调用什么工具
2. 按AI的决策逐个执行地图工具（调腾讯位置服务API）
3. 把工具结果喂回AI，让它组织自然语言回复

如果AI判断不需要工具，直接回复。就是这么简单——AI负责"思考"和"说话"，实际干活的是腾讯位置服务API。

---

## 腾讯位置服务对接（附防坑指南）

### SK签名机制

腾讯位置服务API使用SK签名保障安全：将所有参数（含key）按字典序排列拼接，计算 `MD5(path?query+sk)` 作为签名，签名不参与签名计算，直接追加到参数末尾。签名用原始参数值，发送请求时再对参数值做URL编码——**签名和编码的顺序不能搞反**。

### 我踩过的5个坑（希望你不用再踩）

**① 签名总是失败（status 111）**

坑：用 `axios({ params })` 传参数时，axios会重新排序，签名时排好的顺序在发送时乱了。

救：手动拼URL，签名用原始值，发送时再URL编码。

**② API路径多了个/ws**

坑：有的API路径是 `/ws/geocoder/v1/`，有的是 `/geocoder/v1/`，签名必须和实际请求路径完全一致，搞混了就是111错误。

救：统一在调用入口里自动补全 `/ws`，签名和请求路径保持一致。

**③ 路线画不出来**

坑：路线规划返回的 `polyline` 不是普通坐标数组，是**前向差分压缩格式**——一堆偏移量数值，不是 `lat,lng;lat,lng`。

救：写了个 `decodePolyline()` 把压缩格式解成坐标数组，核心逻辑就是逐对累加偏移量。

**④ 搜索时忘了传boundary**

坑：腾讯的 `search_poi` 要求必须传 `boundary` 参数（搜索范围），没传就报错。

救：固定策略——有坐标用 `nearby(lat,lng,radius)`，没坐标用 `region(城市,0)`，都没就用 `region(中国,0)`。

**⑤ Key每天有调用限制**

坑：新申请的Key默认额度可能为0，某些API调用直接返回121错误。

救：去控制台→配额管理→手动分配每天的调用次数。

---

## 前端交互：AI让地图画什么，地图就画什么

地图渲染用的腾讯地图 JSAPI GL。AI返回的每个工具结果都携带 `mapAction`，前端根据工具类型自动渲染：

- **search_poi / explore_nearby** → 蓝色POI标记
- **plan_route** → 路线绘制 + 橙色起点 + 红色终点
- **suggest_meeting_point** → 橙色出发点 + 紫色汇合点
- **geocode** → 定位标记

每种标记不同颜色，信息面板实时展示搜索结果——用户对话结束时，地图上已经画好了所有内容。

---

## 实时协作：从"群里发定位"到"地图上一起看"

这是 MapMind 区别于其他地图AI助手的**核心差异**——不只是你一个人用AI，而是**一群人一起用**。

### 设计思路

传统方式：群里发定位截图 → 大家各自看 → 约碰头地点 → 再发定位 → 循环……

MapMind方式：进入组队页面 → 创建/加入房间 → **位置实时共享在地图上** → AI帮你们推荐最佳碰头点 → 行程自动分享给队友

### 双页面架构：地图与组队分离

一个关键的设计决策：**组队管理使用独立页面，而不是在地图上弹窗**。

为什么？因为腾讯地图 JSAPI GL 会在地图容器上捕获所有DOM事件——点击、触摸、滚轮，一个不落。如果在地图上方叠加弹窗，点击弹窗按钮时事件会穿透到地图，导致弹窗无法正常交互。尝试过 `stopPropagation`、事件守卫等各种方案，最终发现**最干净的解法就是页面分离**：

- **index.html** — 地图+AI对话主界面，专注展示和交互
- **team.html** — 独立组队管理页面，房间创建/加入、成员列表、位置共享控制、团队聊天

两个页面通过 `localStorage` 同步房间状态。用户从组队页面返回地图时，房间状态无缝恢复，Socket重连后自动重新加入房间，队友标记和连线自动重建。

### 队友连线：空间关系一目了然

加入房间后，地图上会自动绘制队友之间的**虚线连接**，直观展示每个人的空间位置关系：

- **用户→队友**：彩色虚线+箭头，表示"我到你的方向"
- **队友之间**：灰色淡虚线，表示队友之间的空间关系

连线使用 `TMap.MultiPolyline` 配合 `PolylineStyle` 的 `dashArray`（虚线样式）和 `showArrow`（箭头指示），支持一键开关（🔗按钮）。

还有"聚焦队友"功能（👥按钮），一键调整地图视野包含所有成员位置——不用手动拖地图找队友在哪。

### 行程自动共享

AI规划出路线或汇合方案后，结果会**自动分享给房间内的所有队友**。队友的地图上会同步展示路线和标记，不用截图、不用转发——AI规划完，全队都看到。

### 用户体验优化：无需进入房间即可使用

一个重要的设计决策：**用户无需先加入房间就能使用所有AI地图功能**。房间是可选的协作增强，不是使用门槛。

- 未加入房间：正常使用AI对话、地图搜索、路线规划等所有功能
- 点击"👥 组队"：跳转到独立组队页面，创建或加入房间
- 加入房间后：地图上实时显示队友位置和连线，成员列表可见，位置自动共享
- 从组队页返回地图：房间状态自动恢复，队友标记和连线重建

这种"渐进式协作"设计，让单人用户不会感到困惑，多人用户又能获得协作增强。

---

## 团队感知AI：AI知道队友在哪

这是 MapMind 最"聪明"的地方——**AI不只是帮你一个人规划，它知道你队友在哪，会自动考虑所有人的位置**。

### 队友位置注入

当用户在房间中发送消息时，前端会把所有队友的位置信息一起发给后端。后端收到后，把队友位置注入到AI的系统提示词中：

```
## 队友位置（重要！组队场景下必须利用这些信息）
当前用户: 小明
队友列表:
- 小红: 坐标 39.91,116.46 (实时共享中)
- 小刚: 坐标 39.90,116.35

### 队友相关指令策略（最高优先级！）
- 用户说"我们"、"队友"、"大家" → 必须使用队友位置信息
- "去哪里汇合" → suggest_meeting_point(所有坐标)
- "去找XX" → plan_route(from=用户, to=队友位置)
- "大家怎么走" → 为每个队友分别 plan_route
```

这样当用户说"我们几个人去哪里碰面比较好"，AI会自动调用 `suggest_meeting_point`，把所有队友和用户的坐标都传进去，算出最佳汇合点。

### 行程规划策略

AI不是只会被动回答问题，系统提示词中明确要求AI**主动调用工具完成规划**：

- 用户提到任何出行需求 → 主动调用工具完成规划，不要只给文字建议
- "帮我规划行程"/"安排一下" → 搜索目的地POI + 规划路线，给出完整方案
- "XX日游"/"玩一天" → 搜索多个景点 + 规划串联路线
- "附近有什么好玩的" → 调用 explore_nearby
- "找XX" → 调用 search_poi

有队友时还有专门的多人协作策略：涉及"我们"、"队友"、"大家"时自动使用队友位置信息，"去哪里碰面"自动算汇合点，"大家怎么去XX"为每个人分别规划路线。

---

## 几个有意思的设计细节

### 1. 自动感知用户位置

地图首次加载就自动尝试定位，浏览器定位失败就自动走IP定位（腾讯IP定位API）。成功后把城市名注入AI的上下文中，用户说"附近有啥吃的"，AI自动知道在哪个城市搜，不用傻傻反问。

### 2. 不让AI"太啰嗦"

AI回话带各种工具调用标签？加个 `cleanAIOutput()` 函数过滤掉。上下文越长越贵？限制最多保留20条消息，旧的自动丢弃。AI叫了不存在的工具？直接返回错误提示并让AI重试。

### 3. Agent调用链可视化

地图右下角显示AI的思考轨迹——"🔍搜索地点→📍地理编码→🗺️路线规划"，每一步成功/失败都标颜色。既增加了透明感，也让用户知道AI不是在"发呆"而是在"思考"。

### 4. 搜索历史记忆

用户之前搜过的关键词会记录在搜索历史中，点击可快速再次搜索。AI的上下文也保留了历史对话，所以你可以说"刚才那个地方怎么走"，AI知道你指的是哪个地方。

### 5. 智能地址解析

路线规划和距离计算中，用户输入的"天安门"这样的地址文本，会自动先调地理编码API转成坐标，再进行后续计算——用户不需要知道什么是经纬度。

---

## 举个例子看看效果

**场景1：单人找咖啡馆**

**用户说：** "帮我找附近好吃的咖啡馆"

**AI的思考过程：**
1. 🔍 检测到用户位置（北京海淀区）
2. 🔎 调用 search_poi（关键词=咖啡馆，范围=附近2km）
3. 📍 把10个结果标在地图上

**结果：** 地图上出现10个蓝色标记，信息面板列出名称、地址、距离。

---

**场景2：三人碰头**

**用户说：** "三个人分别在天安门、国贸、西单，去哪里汇合最方便"

**AI的思考过程：**
1. 🔍 先查三个地点的坐标（调3次地理编码API）
2. 📐 算三个点的几何中心位置
3. 🔎 在中心附近搜索热门地点（调 explore API）
4. 📊 返回推荐结果

**结果：** 地图上标了三个出发点（橙色）、推荐汇合区域（紫色）和附近热点（蓝色），信息面板列出推荐地点名称和地址。

全程用户就说了一句话，剩下的全是AI带着腾讯位置服务干的。

---

**场景3：组队出游**

**用户操作：** 点击"👥 组队"→ 跳转组队页面 → 创建房间 → 把房间号分享给朋友 → 朋友加入 → 返回地图

**实时效果：**
- 每个人的位置自动出现在地图上（不同颜色的标记）
- 队友之间自动绘制虚线连线，空间关系一目了然
- 点击👥按钮一键聚焦所有队友
- 成员列表实时更新
- 任何人在聊天中说"我们去哪吃"，AI会基于所有人的位置推荐折中地点
- AI规划结果自动分享给全队，队友地图同步展示

---

## 技术架构一览

```
┌──────────────────────────────────────────────────────────┐
│                      Frontend (双页面)                     │
│                                                          │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐   │
│  │  index.html  │  │  team.html   │  │  Socket.io   │   │
│  │  地图+AI对话  │  │  组队管理页面 │  │  (实时协作)   │   │
│  │  队友连线     │  │  房间/成员    │  │  行程共享     │   │
│  └──────┬───────┘  └──────┬───────┘  └──────┬───────┘   │
│         └─────────┬───────┴─────────┬───────┘           │
│             ┌─────▼─────────────────▼─────┐              │
│             │     Map Actions Handler     │              │
│             └─────────────┬───────────────┘              │
└───────────────────────────┼──────────────────────────────┘
                            │ HTTP API / WebSocket
┌───────────────────────────▼──────────────────────────────┐
│                   Express Backend                         │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐   │
│  │  LLM Agent   │  │  Tencent Map │  │  Socket.io   │   │
│  │  (Function   │  │  WebService  │  │  (房间/位置/  │   │
│  │  Calling)    │  │  API (9工具) │  │   行程共享)   │   │
│  └──────────────┘  └──────────────┘  └──────────────┘   │
└──────────────────────────────────────────────────────────┘
```

### 技术栈

- **前端**：HTML5 + CSS3 + Vanilla JS + 腾讯地图 JSAPI GL + Socket.io Client
- **后端**：Node.js + Express + Socket.io
- **AI**：LLM Function Calling（DeepSeek / 腾讯混元）
- **地图服务**：腾讯位置服务 WebService API（9个API接口）
- **实时通信**：Socket.io v4（房间管理、位置共享、行程同步）

---

## 一点总结

MapMind 这个项目给我的最大感受是：**AI Agent 不是噱头，是真的能简化用户体验**。传统地图交互需要用户学会"地图的操作逻辑"，而现在地图需要学会"用户的语言逻辑"。

腾讯位置服务提供了完整的API能力矩阵——POI搜索、路线规划、地理编码、行政区划、IP定位、周边探索、距离计算、搜索提示——9个API接口，配合AI Agent的智能调度，做出来的东西既有技术深度又有实用价值。

而实时协作功能的加入，让MapMind从"个人工具"进化为"团队工具"——几个人出游不再需要在群里反复发定位，地图上直接看到彼此，有连线展示空间关系，AI还能基于所有人的位置推荐最佳碰头点，规划结果自动同步给全队。

**技术不是目的，解决问题才是。** 当用户说一句"我们去哪吃"，地图就能给出答案——这才是AI+地图该有的样子。

---

> **项目地址：** [Gitee - MapMind](https://gitee.com/peizhihao/tencent-competition)（腾讯位置服务征文参赛作品）
>
> 如果觉得有点意思，点个赞支持一下 ❤️

你见过AI自己"想"问题的地图吗？你见过一群人各自在不同地方，地图自动算出最佳碰头点的吗？你见过队友之间在地图上画连线、AI根据所有人的位置来规划行程的吗？

【腾讯位置服务】一句话搞定地图：AI Agent + 实时组队的智能出行助手 — 突出"一句话"的交互方式和组队特色

人工智能

物联网

客户端

腾讯位置服务推出MapMind智能地图助手，通过AIAgent技术让地图实现人机对话功能。用户只需用自然语言表达需求，系统自动调用腾讯位置服务API完成搜索、路线规划、多人汇合点推荐等操作。支持实时组队协作，地图自动显示队友位置和空间关系，AI基于多人位置智能推荐最佳方案。革新传统地图交互模式，让出行规划更智能便捷。

容器

HTML5

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

【腾讯位置服务】一句话搞定地图：AI Agent + 实时组队的智能出行助手 — 突出"一句话"的交互方式和组队特色-腾讯云开发者社区-腾讯云

【腾讯位置服务】一句话搞定地图：AI Agent + 实时组队的智能出行助手 — 突出"一句话"的交互方式和组队特色

【腾讯位置服务】一句话搞定地图：AI Agent + 实时组队的智能出行助手 — 突出"一句话"的交互方式和组队特色

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐