etter：用自然语言解锁地理空间查询的智能解析框架

本文介绍开源库etter——一个基于大语言模型（LLM）的地理查询解析工具。它能将多语言自然语言位置描述转换为结构化地理空间过滤器，支持包含、缓冲区、方向等多种空间关系，帮助开发者构建精准的位置搜索功能，解决传统规则引擎或关键词匹配难以处理的复杂查询问题。

在地图应用、位置服务等领域，用户常用自然语言描述位置需求，但传统方法依赖规则引擎或关键词匹配，难以应对多语言、多粒度、多关系的复杂场景。etter由Camptocamp赞助开发，利用LLM智能理解能力，将自然语言地理查询解析为结构化空间过滤器，为这一难题提供解决方案。

etter具备以下关键特性：

1. 多语言支持：可解析英语、德语、法语、意大利语等多种语言的地理查询；
2. 丰富空间关系：覆盖包含（in）、邻近（near）、缓冲区（within X km）、方向（north_of等）、线性特征（along/left_bank/right_bank）、水域（on_shores_of）等关系；
3. 结构化输出：通过Pydantic模型确保类型安全，输出包含查询类型、空间关系、参考位置等信息；
4. 流式处理：支持Server-Sent Events（SSE）实时返回解析步骤，提升透明度与用户体验。

etter采用模块化三层架构：解析层（自然语言转结构化查询）、地理解析层（位置名称转坐标）、空间操作层（几何计算生成搜索区域）。此外，它支持灵活配置（自定义空间关系参数）、LLM提供商无关性（兼容OpenAI、Anthropic及本地模型），便于集成到各类应用场景。

etter适用于多种场景：

• 旅游与户外：解析"莫尔湖岸边徒步"、"沿奥尔布河骑行"等查询，结合活动类型调整搜索半径；
• 房产与商业选址：转换"洛桑西南10公里内"、"苏黎世主火车站步行15分钟范围"为地理过滤器；
• 物流配送：解析"罗纳河右岸2公里内"等描述，确定服务覆盖范围与路线。

etter的实现细节包括：

1. 置信度评估：提供整体及组件置信度评分，低于阈值时可抛出LowConfidenceError或标记结果；
2. 错误处理：定义ParsingError（解析失败）、UnknownRelationError（未注册关系）、LowConfidenceError（低置信）等异常；
3. 批处理与异步：支持批量查询处理和异步流式解析，满足大规模或实时需求。

etter代表GIS与NLP融合的重要方向，为智能位置服务提供基础。未来可期待支持多模态地理定位、基于地标的相对位置描述、地形与交通网络的智能距离计算等功能。对于需处理自然语言地理查询的开发者，etter是值得尝试的开源项目，展示了AI与传统GIS结合的创新思路。