返回文章 apply CMS 文章

用 GPT-6 Astra 和 ChatGPT Work 生成跑步路线：一次实测与透明度反思

一次真实测试：AI 智能体如何用 OSM 数据规划跑步路线，以及它为何让你看不到过程。

SIMON WILLISON'S

ChatGPT WorkGPT-6 AstraOpenStreetMap跑步路线

成长分 / 100 64 综合收获、行动、留存与影响

用 GPT-6 Astra 和 ChatGPT Work 生成跑步路线：一次实测与透明度反思

为什么值得读展示 ChatGPT Work 与 GPT-6 Astra 在真实地理数据任务中的完整工作流与产出形态。

揭示当前 LLM 系统在代码透明度和对话压缩方面的结构性缺陷，对工具设计有警示意义。

关键洞察

ChatGPT Work 配合 GPT-6 Astra 运行了 27 分钟，成功生成 5 公里和 10 公里环形路线，并附带嵌入式可视化和可下载的 GPX、GeoJSON 文件。
路线生成流程为：用 Nominatim 定位地址，用 Overpass 下载本地 OpenStreetMap 道路和步道，再在本地计算环形路线。
可视化通过 visualize 技能实现，生成 HTML 文件嵌入 ChatGPT 界面，使用 D3 从允许列表中的 CDN 加载。

转成行动

深入阅读

正文与原文对照

原文保真覆盖：全文原文字符：3432

今天早上，我让搭载 GPT-6 Astra (Max) 的 ChatGPT Work 做了一件挺有意思的事：

I live at <my address>. Figure out 5K and 10K running routes from me that loop from my house. Use OSM data.

它工作了 27 分钟，产出的结果正是我想要的，既有嵌入页面的可视化，也有可下载的 GPX 文件和 GeoJSON 文件。这就是那条 5K 路线：

地图截图，浅灰色街道地图上有一条蓝色路线。文字：El Granada harbor loop 5.1 km。N ↑（右上角）。沿途街道标注：Carmel Avenue、Paloma Avenue、San Carlos Avenue、Avenue Granada、Capistrano Road、Francisco Street、Coastal Trail。环线从左下角的港口出发，沿 Avenue Granada 和 Paloma Avenue 向北，到达 Carmel Avenue 附近的北端，然后沿 San Carlos Avenue 向东，再沿 Francisco Street 向南到最右侧，最后沿海岸线旁的 Coastal Trail 向西返回。页脚：地图数据 © OpenStreetMap contributors。提交反馈。

当我问它是怎么生成这条路线的，它回答说：

我用 Nominatim 定位地址，用 Overpass 下载本地的 OpenStreetMap 道路和小径，然后在本地计算环线。

令人沮丧的是，它实际运行的代码和具体操作细节，我在 ChatGPT 界面里都看不到。我认为这种缺乏透明度的做法是个反特性。

等我想到要它给我一份所用的 Python 代码时，ChatGPT 已经无法提供了。原因似乎是该对话线程已被压缩（compaction）。我认为，任何使用压缩的 LLM 系统，都既要保留压缩前的文本，也要让智能体能通过工具调用获取这些文本，以防出现这类问题。

至于向我展示地图，用的是 visualize skill。它创建了一个名为 /workspace/el-granada-5k-share.html 的文件，直接嵌入 ChatGPT 界面。

这是那份 HTML 的副本，开头如下：

<div id="eg-share-loop">
  <div class="viz-row"><h3>El Granada harbor loop</h3><span class="text-small">5.1 km</span></div>
  <div id="eg-share-stage"></div>
  <div class="text-small text-muted">Map data © <a href="https://www.openstreetmap.org/copyright" target="_blank" rel="noopener">OpenStreetMap contributors</a></div>
  <style>
    #eg-share-loop { width:100%; }
    #eg-share-loop #eg-share-stage { width:100%; margin:8px 0; }
    #eg-share-loop .eg-share-map { display:block; width:100%; touch-action:none; }
    #eg-share-loop .eg-share-map text { fill:var(--foreground); font-size:12px; font-weight:400; }
    #eg-share-loop .eg-share-label { paint-order:stroke; stroke:var(--background); stroke-width:3px; stroke-linejoin:round; }
  </style>
  <script type="application/json" id="eg-share-data">{"route":{"type":"LineString","coordinates":[[-122.467425,37.4997753] ...</script>
  <script src="https://cdn.jsdelivr.net/npm/d3@7.9.0/dist/d3.min.js"></script>
  <script>
  (() => {
    const root=document.getElementById('eg-share-loop');

<script type="application/json"> 元素包含渲染跑步路线和地图本身所需的完整几何数据，渲染使用 D3，它从一个白名单内的 CDN 位置加载，相关说明见 visualize skill 的这一节：

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。其他来源会被拦截，并且不会有任何提示地失败。