geomaster
作者 K-Dense-AIgeomaster 是一项面向 GIS、遥感、空间分析和地球观测工作流的地理空间科学技能。可用于数据分析任务，例如栅格与矢量操作、卫星影像处理、空间指标计算和工作流规划。geomaster 指南可帮助你更少凭猜测地完成安装、查看和应用这项技能。
这项技能得分为 78/100，属于 Agent Skills Finder 中相当稳妥的收录候选。它能为目录用户提供足够证据，在需要广泛地理空间支持时安装使用；但也应预期它更偏文档型技能，而不是高度脚本化、自动化驱动的工作流。
- 触发判断明确：描述清楚覆盖遥感、GIS、空间分析、地球观测以及多种地理空间工作流，便于 agent 判断何时调用。
- 操作覆盖面广：SKILL.md 和 README 展示了 70+ 个章节、500+ 个代码示例，并覆盖卫星影像、矢量/栅格操作、云原生地理空间工作流和多种编程语言。
- 安装决策价值高：仓库包含较完整的 SKILL.md，以及列出核心库、遥感、机器学习、大数据和领域应用参考文档的 README。
- 没有提供安装命令或脚本，因此是否采用取决于用户是否已经知道如何搭建地理空间技术栈。
- 该仓库覆盖面广，但不够任务专一；由于证据显示内容很全面，却没有单一狭窄流程，agent 仍需自行判断应选用哪个子主题。
geomaster 技能概览
geomaster 用来做什么
geomaster 是一项面向地理空间科学的技能，适合需要处理地图、栅格和矢量数据、卫星影像以及空间分析的人，而且不必从零拼一段提示词。它最擅长的是偏实操的任务：处理影像、关联地理数据、计算空间指标、对比场景，或者把一个地球观测想法直接落成代码和工作流。
适合哪些人使用
geomaster 很适合 GIS 分析师、遥感用户、数据科学家，以及在 Python 或相邻生态中做地理空间工作的工程师。尤其适用于把数据清洗和空间逻辑结合起来的 Data Analysis 任务，比如 NDVI 流程、土地覆盖检查、水文问题、地形分析，以及基于位置的特征工程。
它为什么更有优势
和通用提示词相比，geomaster 提供了更完整的地理空间词汇体系，以及覆盖不同传感器、格式和编程语言的大量示例模式。这种广度在你需要在 geopandas、rasterio、xarray、基于 STAC 的云端工作流，或点云工具之间做选择时尤其重要，因为它能把你引向更合适的技术栈，而不是给你一个放之四海而皆准的答案。
如何使用 geomaster 技能
先安装，再检查内容
安装 geomaster 时，先通过仓库自带的 skill manager 或平台的技能导入流程把它加入环境，然后优先阅读 SKILL.md。在这个仓库里，README.md 是唯一真正有价值的配套文件，因此不需要去翻一大串支持文档。建议先看安装部分和主题列表，确认你的使用场景是否落在这个技能的覆盖范围内。
给它一个“地理空间型”需求说明
geomaster 的使用方式在你明确说明数据类型、空间范围、目标输出和约束条件时效果最好。比较好的输入像这样：
- “使用 Python 和
rasterio，从 Sentinel-2 瓦片中识别一个县范围内的作物胁迫。” - “基于 OpenStreetMap 和人口普查多边形计算道路可达性指标，并输出可复现的 notebook。”
- “对比两景 Landsat 影像，并说明云掩膜的取舍。”
像“帮我做 GIS 分析”这种模糊输入，会迫使技能去猜你的传感器、格式、尺度和库选择。
把仓库当作工作流地图来读
阅读技能正文时，重点看安装、快速开始、核心操作和示例驱动的主题。如果你的任务范围很大，先找最接近的工作流家族：遥感、矢量分析、空间统计、云原生数据，或地球观测机器学习。通常这比从头按顺序通读更快，也更能帮助你组织自己的提示词结构。
要它做选择，而不只是吐代码
想让 geomaster 输出更有用，就让它先选工具，再说明理由。比如：“如果可以，优先使用云优化工作流，但如果数据集很小就回退到本地文件”，“除非确实需要栅格操作，否则优先用 geopandas。”这样能减少泛泛而谈的回答，也更容易让技能把 Data Analysis 里的关键取舍讲清楚。
geomaster 技能 FAQ
geomaster 只适合 GIS 专家吗？
不是。只要你能用空间语言把问题说清楚，即使不是 GIS 专家，也能从 geomaster 中受益。它会补上库和工作流的上下文，这通常也是 geomaster 使用过程中最容易卡住的地方，尤其对新手更有帮助。
什么时候不该用 geomaster？
如果任务没有空间成分、没有地理数据，也没有遥感元素，就不要用 geomaster。它也不适合那种非常窄、非常领域化、而且已经有成熟工具链的实现场景，尤其是当你并不需要更广泛的地理空间上下文时。
它和普通提示词有什么不同？
普通提示词可以回答一个问题，但当你需要可复用的地理空间框架时，geomaster 更合适：文件格式、传感器类型、坐标系、尺度和分析方法。对于安装决策，以及可能在本地栅格文件、API 和云原生数据源之间切换的工作流，这种框架会更可靠。
它适合更广泛的 Data Analysis 吗？
可以，只要分析依赖位置、几何关系或卫星数据。用于 Data Analysis 时，geomaster 最强的场景是空间结构会改变答案的时候：缓冲区分析、叠加分析、网格化、重采样、分区汇总，或者从影像中提取特征。
如何改进 geomaster 技能
把数据和输出说得更精确
最大的质量提升，来自你明确告诉 geomaster 输入长什么样，以及“完成”具体意味着什么。最好写清楚文件类型、CRS（如果已知）、时间范围、分辨率、区域和输出格式。比如“针对沿海多边形区域的 10 m Sentinel-2 影像识别湿地，并返回可复现的 Python 工作流”就比“分析湿地”有用得多。
说明那些会改变方法的约束
当你提到会影响技术栈的限制时，geomaster 的表现会更好：本地机器还是云端、小样本还是全国尺度、单景还是时间序列、notebook 还是脚本。这些约束决定了技能应该更偏向 rasterio、xarray、分布式处理、STAC 目录，还是轻量级矢量工具。
从粗略答案迭代到可运行工作流
先用第一轮回复确认分析方案，然后继续补齐实现细节：预处理、坐标处理、QA 检查和评估指标。常见失败点包括范围处理含糊、传感器假设不清，以及把矢量和栅格步骤混在一起却没有桥接方案。先把这些收紧，再继续编码，geomaster 才能在下一轮给你更可靠的 geomaster 指南。