摘要
- Claude在没有使用任何外部库的情况下,从零在浏览器中编写出一款月球表面导航应用
- 它利用NASA的LOLA测高仪和LROC影像数据,计算出绕开或穿越陨石坑的路线
- 每段路线还会附上转向理由的说明功能
Anthropic旗下AI模型Claude完整编写了一款在月球表面运行的导航应用,并将成果发布到YouTube上。这款应用基于NASA的真实地形数据,自主规划出避开陡峭陨石坑、穿越平缓陨石坑的路线,而且每次转弯都会说明背后的原因。
这是一段展示编程能力的演示视频,重点在于Claude从零开始独立编写了在浏览器中运行的3D月球地球仪和路线导航功能。
做了什么
屏幕上显示的所有数据,都是Claude自行获取的公开资料。地形和陨石坑深度数据来自搭载在月球勘测轨道飞行器(LRO)上的激光测高仪LOLA的测量结果,表面影像则来自同一轨道飞行器上的LROC相机拍摄的全球拼接图。据了解,这两组数据都取自NASA的公开数据库PDS(行星数据系统)。
简单来说,LOLA是用激光测量月球表面高低起伏的测高仪,LROC则是拍摄月球表面的相机。两者都是NASA搭载在绕月轨道飞行器上的设备,测得的数据存放在名为PDS的公开数据库中,任何人都可以下载使用。
判断绕行还是穿越陨石坑
这款应用会根据地形数据判断:坡度过陡、难以进入的陨石坑要绕开,坡度足够平缓的陨石坑则可以直接穿越,并据此计算路线。每条路线还会一并说明为什么要在那个方向转弯,这意味着它不只是在寻找最短路径,还把地形坡度也纳入了判断依据。
不借助任何库,直接在浏览器里画出地图
这个3D月球地球仪并没有使用任何专门的图形库,而是完全在浏览器内部实现的。绘制地图、旋转视角、标记路线的全部代码都由Claude从零编写,这也说明了AI编程智能体独立处理复杂任务的能力究竟能达到什么程度。
Claude是Anthropic开发的对话式AI,不仅能处理长文档的阅读与写作,也被广泛用于编程任务。这段视频与其说是一次真正的产品发布,不如说是一场演示——展示了仅凭公开数据,就能把复杂的3D界面和路线计算逻辑打磨到多精细的程度。
正如没有游戏引擎,一个HTML文件里的ASCII城市这一案例所示,最近不借助任何外部工具、仅用浏览器就完成复杂成果的尝试正接连出现。
编辑视角
这次演示有意思的地方不在于成果本身有多炫,而在于实现方式。Claude没有借用任何商业地图库或3D引擎,而是直接解读NASA公开的原始观测数据,自行重建地形并制定出路线规则。这与编程智能体的工作重心正在发生的转变不谋而合——从修改现有代码,转向观察数据、重新设计算法。
把这类编程智能体用到实际工作中,得出的结论大体相似:面对有规范API文档的任务,它处理得很快;但像这次一样,需要自己挑选、解读原始数据并制定判断标准(比如陨石坑是否可以进入)的任务,验证结果所花的时间要长得多。如果国内团队想参考类似的演示,更现实的做法是先把它用在基于公开数据集的原型制作上,并在涉及安全的判断逻辑环节加入人工复核流程。
不难想见,类似的从零编写演示可能在几周内扩展到气象、航海、建筑等其他领域。只要数据是公开的,编程智能体能够产出的成果范围就会持续扩大——这段视频正是这一趋势的一个印证。
评论