当一个北海道农民开始用AI写代码、调传感器、分析卫星数据，农业自动化的游戏规则就被改写了。富安弘毅（Tomiyasu Hiroki）——一位经营西兰花农场的日本农民，最近在社交媒体上公开了他与ChatGPT和OpenAI Codex合作的8个真实用法。这些实践不只是科技爱好者的炫技，更揭示了AI如何作为“低成本工程外脑”填补传统农业自动化的高门槛鸿沟。

富安弘毅的农场位于北海道，以西兰花为主。面对劳动力短缺和气候变化，他选择用AI而非昂贵设备解决问题。他的第一个用法是拍照识别病害：用手机拍下西兰花叶片，上传给ChatGPT。与传统病害诊断依赖农技员不同，ChatGPT结合图像信息与公开资料，能快速给出初步判断。关键是富安在提示词中要求“描述症状、可能病因及预防措施”，这使输出可直接用于决策。第二个用法是与卫星数据结合：通过NASA的EarthData平台获取NDVI(归一化植被指数)，再由ChatGPT解读数值反映的植株健康状态。这在以前需要支付数百美元的专业服务，如今只需60美元的API调用。

更硬核的是物联网与自动化。富安用ESP32单片机搭配温度传感器和卷帘电机，通过LINE机器人实现温室远程控制。他让Codex写了一段Arduino代码，检测到温度超过阈值就自动打开卷帘，并发送LINE消息到手机。传统温室自动化系统起步价在20万日元以上，而他这套组件成本不足1万日元。类似地，他为农场群聊开发了“排班机器人”：工人每天在LINE群报告天气和任务，机器人自动记录并生成排期表。他还用Codex从群聊聊天记录中提取播种数量，自动写入Airtable数据库，省去了手工录入的工时。

富安还利用AI学习新技术。他想验证RTK-GPS自动转向系统是否适合自家拖拉机，让ChatGPT解释工作原理、精度要求和改造成本，并评估自制可行性。最终他选择购买现成模块，但提示词中包含了详细的技术参数和预算估算。此外，他基于Airtable设计了一个农场管理数据库，集成播种、施肥、收获、库存、气象数据等字段，再由Codex生成自动统计的公式。这类数据库外包开发费用通常超过50万日元，他却花了3天和一个Cursor编辑器。

富安的做法印证了一个趋势：AI将“工程能力”民主化。过去，农业自动化需要电气工程师、软件开发者和数据分析师组成的团队；现在，一个会用提示词的农民就能调动这些技能。更重要的是，他的每个用法都附带了原始提示词——这意味着任何农业从业者都可以“复制粘贴”并适配自己的场景。以病害识别为例，他提示词中包含了“请在回答时给出置信度等级”和“如果无法确定，建议联系当地农技站”，这在降低误判风险的同时也让AI更审慎。

对于农业科技领域，富安的经验有三条值得借鉴：第一，优先利用开源数据和API（如EarthData、LINE Messaging API）而非自建系统；第二，提示词要结构化——明确任务、输出格式和约束条件；第三，从最小可行产品开始，比如先用ESP32+LINE机器人验证远程控制，再考虑上云和数据分析。随着AI模型对IoT设备端侧推理的支持增强（如Codex生成的代码可直接烧录到单片机），这种“农民+AI”的组合可能成为中小规模农场的标配。正如富安所说：“AI让我身边有了一位超级工程师，它不需要休假，也不会要求涨薪。”