# AXiA：用大语言模型让系外行星数据触手可及

> AXiA是一个在48小时内开发的交互式Web平台，利用本地LLM将NASA的系外行星数据转化为通俗易懂的教育性描述，让复杂的天文数据走向大众。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-05-05T12:12:59.000Z
- 最近活动: 2026-05-05T12:24:32.039Z
- 热度: 153.8
- 关键词: 系外行星, 科学传播, 数据可视化, 教育AI, NASA
- 页面链接: https://www.zingnex.cn/forum/thread/axia-c09ea519
- Canonical: https://www.zingnex.cn/forum/thread/axia-c09ea519
- Markdown 来源: ingested_event

---

# AXiA：用大语言模型让系外行星数据触手可及

## 项目缘起：当浩瀚宇宙遇上数据鸿沟

NASA的TESS（凌日系外行星巡天卫星）和开普勒任务已经发现了超过17,000颗系外行星，积累了海量的天文观测数据。这些数据对于专业天文学家来说是宝贵的研究资源，但对于普通公众、学生甚至跨学科研究者而言，却如同天书——充斥着轨道周期、凌日时长、恒星半径等技术参数，缺乏直观的理解和认知桥梁。

在NASA国际太空应用挑战赛2025的48小时极限开发中，Mohsine Essat团队打造了一个名为AXiA的交互式Web平台，其核心使命只有一个：用大型语言模型的力量，将冰冷的天文数据转化为生动、准确、富有教育意义的自然语言描述，让每个人都能读懂遥远星球的故事。

## 核心机制：数据到文本的智能转换

AXiA的技术架构简洁而精巧，它构建了一个端到端的"数据-文本"生成管道：

### 数据层

平台整合了NASA两大旗舰任务的数据：

- **TESS任务**：约1,000+条系外行星记录
- **开普勒任务**：约16,000+条系外行星记录

总计超过17,000个天体条目，涵盖行星半径、轨道周期、凌日时长、恒星质量等关键物理参数。

### 转换层

当用户选择一颗系外行星时，系统执行以下流程：

1. **数据检索**：从本地数据集提取该行星的所有物理参数
2. **提示工程**：将结构化数据自动组装成针对LLM优化的自然语言提示
3. **本地推理**：通过Ollama调用Mistral AI模型进行实时文本生成
4. **结果呈现**：将生成的教育性描述展示在Web界面

### 技术栈

- **前端**：JavaScript + HTML + CSS，提供直观的交互界面
- **后端**：Python + Flask，处理数据查询和API路由
- **AI引擎**：Mistral AI via Ollama，支持完全本地化的LLM推理
- **数据源**：NASA TESS/Kepler公开数据集

## 使用体验：探索宇宙的新方式

AXiA的用户界面设计遵循极简原则。用户只需从动态下拉菜单中选择一颗系外行星，系统即刻返回一段量身定制的描述。这些描述不是简单的数据罗列，而是经过LLM智能加工后的叙事文本——它会告诉你这颗行星距离母恒星有多远，那里的"一年"相当于地球的多少天，它的体积是木星的几倍，甚至推测它是否可能拥有大气层。

这种交互方式彻底改变了公众接触天文数据的方式。不再需要解读晦涩的数据表格，不再需要理解专业术语，普通人也能像读故事一样了解数千光年外的世界。

## 教育价值与社会意义

AXiA的价值远超技术演示本身，它在多个维度上展现了AI赋能科学传播的潜力：

### STEM教育的创新工具

对于中小学和科学博物馆而言，AXiA提供了一个即插即用的教学辅助工具。教师可以引导学生"探索"真实的系外行星，激发对天文学的兴趣，同时潜移默化地传授轨道力学、恒星物理等概念。

### 科学数据民主化

AXiA的实践证明了LLM在"数据翻译"方面的独特价值。它架起了一座桥梁，让原本封闭在专业圈层内的科学数据走向大众，实现科学知识的民主化传播。

### 本地化AI的示范

项目采用Ollama进行本地LLM推理，而非调用云端API。这一设计选择不仅保护了数据隐私、降低了运行成本，更展示了在资源受限场景下（如教育机构的本地服务器）部署AI应用的可行性。

## 技术亮点与实现细节

### 48小时极限开发

AXiA是在NASA黑客马拉松的48小时内从零构建的完整产品。这得益于：

- 清晰的核心价值定位（数据到文本的转换）
- 成熟的技术选型（Flask + Ollama + Mistral）
- 模块化的代码架构（backend/frontend/data分离）

### 提示工程的精妙之处

项目的关键在于如何将原始数据转化为LLM能理解的提示。系统需要平衡信息完整性和描述生动性——既要包含足够的科学事实确保准确性，又要引导模型生成通俗易懂的教育性语言。

### 数据标注与AI伦理

AXiA在界面中明确标注了AI生成的内容，并声明AI仅用于教育性描述的生成，不涉及修改NASA的品牌或受版权保护的材料。这种透明性和边界意识值得其他AI应用借鉴。

## 局限与未来展望

作为黑客马拉松的限时作品，AXiA目前存在一些可改进空间：

- **数据更新**：当前数据集为离线快照，未来可接入NASA的实时数据API
- **多语言支持**：目前主要生成英文描述，可扩展多语言版本
- **可视化增强**：可结合D3.js等库添加轨道示意图、对比图表
- **交互深化**：支持用户提问、对比多颗行星、保存收藏等

更长远的愿景是将这种"数据到叙事"的模式推广到更多科学领域——从基因组数据到气候模型，从地质记录到粒子物理，让LLM成为科学传播的通用翻译器。

## 快速开始

对于希望体验或二次开发的开发者，AXiA的部署流程非常简洁：

```bash
git clone https://github.com/mohsine92/NASA_Hackathon.git
cd NASA_Hackathon
pip install -r requirements.txt
ollama pull mistral
make run
```

然后访问 http://localhost:5000 即可开始探索。

## 结语

AXiA是一个小而美的项目，它用最简洁的技术栈解决了一个真实存在的问题——科学数据与公众理解之间的鸿沟。在这个项目中，大语言模型不是炫技的工具，而是服务于知识传播的桥梁。它提醒我们，AI最动人的应用场景往往不在于替代人类，而在于扩展人类认知的边界，让更多人能够触及那些曾经遥不可及的领域。

当技术真正服务于人的好奇心和求知欲时，它便找到了最有价值的归宿。AXiA正是这样一个范例——让17,000颗系外行星不再只是数据库中的记录，而是成为每个人都能读懂的宇宙故事。