标题：ChatGPT当上农场“外挂工程师”：北海道菜农的8个AI实战手册
摘要：北海道西兰花农富安弘毅将ChatGPT与Codex融入日常耕作，从病害识别、卫星数据解读到温室远程控制与数据库搭建，8个真实用例验证了AI让传统精准农业成本骤降。他的经验表明：提示词正成为数字时代的新农具。

在北海道，一位名叫富安弘毅的西兰花农正在重新定义“农场工程师”——不是雇佣昂贵的硬件外包团队，而是把ChatGPT和Codex当作24小时在线的超级助手。他的8个AI实践案例，为农业数字化提供了一份零门槛、可复用的操作指南。

传统精准农业的落地成本长期居高不下：一套温室自动化系统动辄数十万日元，卫星遥感数据订阅费按公顷计算，而定制化农企软件更是天价。富安用现成AI工具逐一破局：

1. 病害辨识与卫星数据降维：用ChatGPT识别西兰花叶片病害的图片特征，结合Codex写入的脚本，直接从NASA卫星下载NDVI（归一化植被指数）数据——原本需要专业GIS知识的工作，现在只需自然语言指令加一段Python代码。

2. 低代码物联网与控制：借助ESP32微控制器与LINE聊天机器人，他让ChatGPT编写代码实现温室卷帘的远程开关。温度传感器数据通过LINE Bot推送到手机，系统还能根据天气预报自动调整通风策略。整个开发成本不到3万日元，是商业方案的十分之一。

3. 群聊机器人管理生产排期：为农场工作群训练了一位专属机器人，自动记录每日播种量、温度曲线和施肥日志，当播种数量偏离计划超过10%时机器人主动预警。排期冲突也由AI自动调整——本质上是一个用API连接的轻量级ERP。

4. RTK-GPS成本核算：学习RTK厘米级定位技术，并让Codex估算自建基站与采购商业模块的成本差异。结论是：用开源硬件+Raspberry Pi搭建，总成本可控制在15万日元以内，仅为专业设备报价的1/5。

5. Airtable数据库+自动化工作流：设计了一套包含地块编号、品种、播种日期、施肥记录、预期收获日期的农场管理数据库，配合Codex脚本自动生成每周采收预测报表。

富安的实践揭示了一个关键转变：AI正把农业数字化从“买设备”转向“写提示词”。每个用例背后都有原始对话记录，这意味着其他农场主只需替换作物名称和传感器参数，就能直接套用。他以自身为例指出：农业领域的信息差在消弭，传统需要农艺师+程序员+自动化工程师三组人协作的项目，现在一个人加一个AI就能推进。

这个案例对更广泛的产业适用：当AI能理解“帮我用ESP32控制一个卷帘，根据风速和湿度自动启停”这样的模糊需求时，非技术用户第一次拥有了完整的工程实现能力。对农业从业者的实用建议是：与其等待昂贵的数字化改造方案，不如从“用ChatGPT写一段读取DHT22温湿度传感器的代码”这个最小单元开始——这是未来五年效率提升的真实入口。