Private Capture

Unlock Capture

这个站点包含私人录音与日记内容。输入密码后进入;当前浏览器会自动记住。

密码仅保存在当前浏览器本地。

一个 skill,生成可商用的城市打卡地图

页首只保留导读,完整正文和结构化内容继续在下方展开。

Day2026-07-11 Time13:27 SenderLily TopicsAI 工具与 Codex / 产品与站点 Entities1 ModeStructure + Text SourceArchive Complete
来源类型小红书分享
说话人Lily
归档时刻2026-08-29 13:27:32
主题AI 工具与 Codex / 产品与站点 / 一个
实体1 项
模式结构化 + 正文
Report

关键导读

先把有效信息集中到顶部:一句话总览、编号要点、待办与历史呼应。完整正文与结构化数据在下方展开。

一句话总览

一个 skill,生成可商用的城市打卡地图 如果你直接让GPT生成一张城市地图,不管是整座城市的全景,还是一片街巷的局部,它大概率都能画得很好看,但你很快会发现:道路是错的,位置是乱的,点位也对不上。 地图,可能是 AI 生图里最难控制的类型之一。 它不仅要美,还要准;不仅要有风格,还要尊重真实空间结构。 出于对地图的兴趣,我创造了map-creator这个skill,用工程化方法,解决 AI 地图生成的模型不稳定问题。 这个方案,结合了gis工程制图的精确性和gpt image2.0的风格制图。 在这里可以大概说一下思路: 1️⃣ 通过自然…

01

关键洞见

  • 但你很快会发现:道路是错的
  • 解决 AI 地图生成的模型不稳定问题
  • 一个 skill,生成可商用的城市打卡地图
  • 如果你直接让GPT生成一张城市地图
  • 地图,可能是 AI 生图里最难控制的类型之一
02

优先级分层

  • 高:2️⃣ 再用 OSMnx 抓取对应区域的 OSM 底图,包括路网、建筑、水系、绿地等空间要素
  • 高:4️⃣ 先生成一张地理坐标精确的工程化地图
  • 高:最后还想说的是,电子地图已经陪伴我们数十年,如此方便我们还有必要手搓这种静态手绘地图吗
  • 中:在这里可以大概说一下思路:
·

涉及实体

GitHub
✓

待办动作

  1. 2️⃣ 再用 OSMnx 抓取对应区域的 OSM 底图,包括路网、建筑、水系、绿地等空间要素
  2. 4️⃣ 先生成一张地理坐标精确的工程化地图
  3. 不仅要有风格,还要尊重真实空间结构
  4. AI时代,一个好的产品,要么是解决了人的痛点需求,要么就是弥补了现阶段AI的某方面不足
  5. 最后还想说的是,电子地图已经陪伴我们数十年,如此方便我们还有必要手搓这种静态手绘地图吗
与历史呼应

解决 AI 地图生成的模型不稳定问题 2️⃣ 再用 OSMnx 抓取对应区域的 OSM 底图,包括路网、建筑、水系、绿地等空间要素 xhs_capture_status: success

本条脉络:一个 skill,生成可商用的城市打卡地图 如果你直接让GPT生成一张城市地图,不管是整座城市的全景,还是一片街巷的局部,它大概率都能画得很好看,但你很快会发现:道路是错的,位置是乱的,点位也对不上。 地图,可能是 AI 生图里最难控制的类型之一。 它不仅要美,还要准;不仅要有风格,还要尊重真实空间结构。 出于对地图的兴趣,我创造了map-creator这个skill,用工程化方法,解决 AI 地图生成的模型不稳定问题。 这个方案,结合了gis工程制图的精确性和gpt image2.0的风格制图。 在这里可以大概说一下思路: 1️⃣ 通过自然…
完整记录 · 正文与结构化数据
Mind Map

思维导图

这里不再用摘要卡片伪装脑图,而是直接用经典 mindmap 组件来展示结构。点击分支会跳到正文。

点击节点会定位到正文,方便一边看脑图一边回看原文。

Local Relation

这条录音的局部关系图

不用先跳到全局图。这里先把当前 capture 连到的 Topic / Entity / Day,以及共享这些节点的其他记录显出来。

View
Layout
来源
聚焦
Topic Entity Capture Signal Day capture -> topic / entity / signal / day

单击右侧看详情;双击节点开浮层。这里只展示和当前录音直接相关的局部网络。

完整原始转录 · 音频文稿点击展开

一个 skill,生成可商用的城市打卡地图
如果你直接让GPT生成一张城市地图,不管是整座城市的全景,还是一片街巷的局部,它大概率都能画得很好看,但你很快会发现:道路是错的,位置是乱的,点位也对不上。

地图,可能是 AI 生图里最难控制的类型之一。

它不仅要美,还要准;不仅要有风格,还要尊重真实空间结构。

出于对地图的兴趣,我创造了map-creator这个skill,用工程化方法,解决 AI 地图生成的模型不稳定问题。

这个方案,结合了gis工程制图的精确性和gpt image2.0的风格制图。

在这里可以大概说一下思路:
1️⃣ 通过自然语言在高德地图中召回地点,获取精确地理坐标;
2️⃣ 再用 OSMnx 抓取对应区域的 OSM 底图,包括路网、建筑、水系、绿地等空间要素;
3️⃣ 随后进行坐标校准,将打卡点准确落到底图上;
4️⃣ 先生成一张地理坐标精确的工程化地图;
5️⃣ 最后再通过提示词约束与视觉风格转译,生成一张可以商用、可以传播、也真正好看的城市打卡地图。

我觉得这个skill的用途很多,比如地图宣传册(南京酒鬼打卡地图),社媒封面(上海citywalk路线),个人手帐等等等。我相信把思路分享给大家会创造更多美丽的东西。

AI时代,一个好的产品,要么是解决了人的痛点需求,要么就是弥补了现阶段AI的某方面不足。我想这个skill给出了一个很好的例子。

最后还想说的是,电子地图已经陪伴我们数十年,如此方便我们还有必要手搓这种静态手绘地图吗?其实这不仅是出于美学的考虑,正是对电子地图的过于依赖,渐渐弱化了我们对空间的尺寸感和方向感,一次地图的文艺复兴,也许能让我们找回对真实空间的感知。

#vibecoding[话题]# #vibecoding大赏[话题]# #skill[话题]# #AI工具[话题]# #gis[话题]# #地图[话题]# #上海citywalk[话题]# #高德开放平台skill[话题]#
一个 skill,生成可商用的城市打卡地图 如果你直接让G... http://xhslink.com/o/6cdTQkpoNO5 复制后打开【小红书】App,笔记就在那里等你。 github 已开源, Hatari130/map-creator [派对R]
resolved_url: https://www.xiaohongshu.com/explore/6a3aad58000000002102284a
xhs_capture_status: success

Atomic Insight Layer

原子结构层

主题 / 实体 / 概念三层标签 + 逐字原话 + 出链 / 反链。点击 chip 筛选。

主题 实体 概念
全部主题实体洞见
topic-0

AI 工具与 Codex

主题
topic-1

产品与站点

主题
topic-2

一个

主题
entity-0

GitHub

实体
insight-0

但你很快会发现:道路是错的

洞见
insight-1

解决 AI 地图生成的模型不稳定问题

洞见
insight-2

一个 skill,生成可商用的城市打卡地图

洞见
insight-3

如果你直接让GPT生成一张城市地图

洞见
insight-4

地图,可能是 AI 生图里最难控制的类型之一

洞见
Normalized Tags

规范标签与同类归并

把 topic / semantic / source / entity 放到分组标签里,后面做筛选、聚类和同类合并时会更稳。

Normalized Topics
AI 工具与 Codex产品与站点一个
Normalized Entities
GitHub
Normalized Provenance
Xiaohongshu
Normalized Semantics
采集稳定性
Normalized Channels
小红书
Normalized Sources
小红书分享web_link