Simon Willison 实践：借助 GPT-6 Astra 与 ChatGPT Work 自动生成闭环跑步路线

技术专家 Simon Willison 分享借助 ChatGPT Work 搭配 GPT-6 Astra（Max）通过外部地理数据自动生成闭环跑步路线的实操案例，并探讨了长上下文会话压缩带来的透明度问题。

• 模型在 27 分钟内调用 Nominatim 完成地址解析，利用 Overpass 下载 OpenStreetMap 局部道路数据，成功在本地算力环境计算出闭环路线，并生成 GPX、GeoJSON 与可视化 HTML 页面。
• 任务调用了 visualize 技能将生成的地图文件嵌入对话界面中进行即时渲染交互。
• 作者指出，由于长任务执行后触发了上下文压缩（Compaction），后续无法导出模型实际执行的 Python 代码，表明当前智能体系统的过程透明度仍存在明显改进空间。
• 影响/看点：这一实践验证了前沿模型在多步骤复杂地理数据检索与计算中的自主执行潜力，同时也表明长流程智能体系统需要建立完善的中间代码留存与追溯机制以保证任务的可审计性与可复现性。
• 资料依据：
• Simon Willison 博客（2026-09-12）：https://simonwillison.net/2026/Sep/12/astra-running-routes/

本内容由 AI 生成，仅供参考，请注意甄别