LLM-GEOASSISTANT: Desenvolvimento de um Plugin para QGIS com Integração de Modelos de Linguagem de Grande Escala: Análise Geoespacial Assistida por Inteligência Artificial
Year: 2026
Type: dissertation
Abstract: Este trabalho apresenta o desenvolvimento do plugin LLM-GeoAssistant para o QGIS, a fim de reduzir a carga cognitiva dos usuários e a fricção operacional associadas à análise geoespacial por meio da integração de modelos de linguagem de grande escala (LLMs) diretamente no ambiente de trabalho do Sistema de Informação Geográfica. A proposta busca preencher a lacuna existente entre ferramentas de geoprocessamento e assistentes inteligentes capazes de operar sobre dados contextuais do projeto ativo, permitindo que usuários de diferentes níveis de proficiência interajam com um modelo de inteligência artificial em linguagem natural, recebendo respostas contextualizadas com os dados reais de suas camadas, código PyQGIS pronto para execução assistida e orientações sobre o uso das ferramentas nativas do QGIS, sem necessidade de alternar entre ambientes. A arquitetura, desenvolvida em Python utilizando a biblioteca PyQGIS, incorpora geração automática de contexto geoespacial a cada requisição e suporte a oito provedores de LLM, incluindo modelos locais sem transmissão de dados pela internet. A execução de código ocorre no namespace real do QGIS por meio de sys.modules, uma solução que resolve um problema de isolamento de singletons, pouco documentado na literatura. O sistema inclui ainda um mecanismo de autocorreção com realimentação de erros, incluindo falhas que não geram exceções explícitas, histórico persistente de conversação com janela deslizante e um sistema de métricas de qualidade das execuções, suportado por uma arquitetura modular com decisões de engenharia sistematicamente documentadas. Os resultados dos cenários de teste padronizados, conduzidos com a camada World Map e dois provedores gratuitos (Google Gemini e Groq/Llama 3.3), indicam taxas de sucesso de execução de código superiores a 80% na primeira tentativa para operações de baixa e média complexidade, com o mecanismo de autocorreção contribuindo para melhorias nos cenários mais avançados. Este trabalho contribui para o ecossistema open source do QGIS ao integrar, em uma única ferramenta, contextualização do projeto geoespacial ativo, execução assistida de código com resiliência a erros, suporte a modelos locais com garantia de privacidade e um protocolo de avaliação comparativa entre provedores, passível de replicação sem custos.
Author: Silva, Tiago José Moraes da
Language: Portuguese
Subfield: Geography, Planning and Development
Field: Social Sciences
Domain: Social Sciences
Open Access status: green
OpenAlex ID: W7172576171