Симон Уиллисон — один из самых внимательных наблюдателей за LLM-экосистемой — опубликовал показательный эксперимент. Он дал ChatGPT Work с GPT-6 Astra (Max) один запрос: «Я живу по адресу [адрес]. Придумай маршруты для пробежек 5К и 10К с возвратом домой, используй данные OSM». Агент работал 27 минут и вернул то, что было запрошено: интерактивную визуализацию прямо в интерфейсе, плюс загружаемые файлы GPX и GeoJSON.
Контекст
ChatGPT Work — агентный режим OpenAI для длительных задач с доступом к инструментам и выполнению кода. GPT-6 Astra — текущий флагман OpenAI. Для маршрутизации агент использовал Nominatim (геокодирование адреса через OpenStreetMap) и Overpass API (загрузка дорог и троп OSM), визуализацию отрисовал через D3.js и встроил как HTML-файл прямо в ChatGPT UI.
По сути, агент выполнил полноценную задачу GIS-аналитика — без шаблона, без специального плагина, только по текстовому запросу. Весь стек — Nominatim + Overpass + Python + D3 — существует давно, но раньше требовал либо специалиста, либо уйму ручной работы. Агент собрал пайплайн сам под конкретный запрос.
Интересно, что инфраструктура OpenStreetMap здесь бесплатная и глобальная. Ни одного платного геосервиса. Это принципиально меняет экономику задач, которые раньше тянули за собой счёт от Google Maps Platform.
Аналитика
Результат впечатляет, но самое важное в публикации — честная критика. Уиллисон не смог увидеть код, который написал агент: ChatGPT Work не отображает выполненный Python в интерфейсе. Когда он попросил его после выполнения задачи — агент уже не мог предоставить, потому что тред был свёрнут (compacted). Уиллисон формулирует конкретное требование: любая LLM-система с компакцией обязана сохранять предкомпактный текст и делать его доступным через инструменты агента.
«Это антифича. Любая LLM-система, использующая компакцию, должна сохранять предкомпактный текст и открывать его через вызовы инструментов агента» — Симон Уиллисон
Это не мелкий UX-недостаток. Аудит, отладка, воспроизводимость — всё рушится, если агент делает работу в чёрном ящике. Для бизнеса, который строит процессы поверх агентов, непрозрачность — это операционный риск. Получил результат, но не знаешь как. Нужно повторить или исправить — начинай заново.
На более широком уровне кейс показывает: агенты уже умеют полный геопространственный пайплайн — от адреса до интерактивной карты. Это сигнал для всех, кто строит навигацию, логистику, городскую аналитику, фитнес-приложения. Барьер входа в задачи уровня GIS-специалиста стремительно снижается.
Кейсы применения в бизнесе
B2B-SaaS стартап с фитнес-вертикалью. Если продукт включает маршруты, тренировки или outdoor-активность — агентный подход позволяет генерировать персонализированные маршруты на лету, без базы данных готовых треков. Пользователь вводит адрес и дистанцию, агент строит маршрут через Overpass API, возвращает GPX. Минимальный MVP: GPT-6 Astra или Claude с доступом к Overpass, обёрнутый в API-эндпоинт.
Корпорация с полевыми сотрудниками. Логистика последней мили, обходы территории, маршруты аудиторов или курьеров. Агент строит оптимальные петли по заданным точкам и экспортирует в форматы для навигаторов. Сценарий: «объехать 12 объектов с возвратом на базу, минимум дублирования дорог». То, что раньше делал логист за несколько часов.
SMB и локальный бизнес в КР/СНГ. Туристические компании, организаторы outdoor-активностей, беговые клубы. Сейчас маршруты делают руками в Google Maps или Wikiloc. Агент позволяет генерировать профессиональные треки с набором высоты, длиной сегментов, адаптацией под уровень подготовки — за минуты. GPX-файл готов к отправке участникам.
Кейсы в личной жизни
Бегун или велосипедист. Дать GPT-6 Astra свой домашний адрес и попросить маршруты на 5К, 10К, 21К с петлёй и минимумом светофоров. Получить GPX, загрузить в Garmin или Strava. Особенно полезно при переезде в новый город или перед соревнованием в незнакомом месте.
Разработчик, который хочет разобраться в геоданных. Эксперимент Уиллисона — хорошая точка входа в стек OSM. Попросить агента не только построить маршрут, но и объяснить каждый шаг: как работает Nominatim, как строится Overpass-запрос, как D3 рендерит GeoJSON. Получишь рабочий код плюс объяснение — лучше любого туториала.
Контент-мейкер или travel-блогер. Планирование outdoor-контента — съёмочные маршруты по живописным тропам с фильтрацией по длине, набору высоты, близости к точкам интереса. Агент соберёт маршрут, визуализирует, выдаст файл для навигатора. Готово к публикации.
Как применить сегодня
- Если есть доступ к ChatGPT Work с GPT-6 Astra — попробуйте запрос: «Я живу по адресу [адрес]. Построй петлевые маршруты 5К и 10К, используй данные OpenStreetMap. Верни GPX». Оцените результат и сразу попросите показать код — до компакции треда.
- Изучите Overpass API — бесплатный движок запросов к OpenStreetMap, доступный публично без регистрации. Для простых задач маршрутизации он работает напрямую без агентов.
- Если строите продукт с маршрутами — протестируйте OSRM или Valhalla как open-source альтернативы Google Directions API. Оба работают на данных OSM и могут хоститься локально.
- Зафиксируйте паттерн: любой агентный воркфлоу → сразу запрашивайте артефакты (код, промежуточные файлы, логи). После компакции треда они могут исчезнуть навсегда.
- Для интеграции в собственный стек: Nominatim + Overpass + Python networkx — достаточно для построения беговых петель без платных API. Агент показал, что это работает; теперь можно реплицировать самостоятельно.