标题：田里来了个AI工程师：北海道农民用ChatGPT+Codex实现8种低成本智慧农业操作

摘要：日本北海道农民富安弘毅借助ChatGPT和Codex，将传统昂贵的智慧农业降至几百元成本，涵盖病害诊断、温室远程控制、卫星数据解析等8个可复制场景。文章拆解其核心方法，并探讨通用大模型如何颠覆农业数字化门槛。

在北海道的一片西兰花田里，一位名叫富安弘毅的农民正在向外界证明：让AI成为田间的“超级工程师”，成本可能只是一杯咖啡的订阅费。他使用ChatGPT和Codex（GitHub Copilot的前身）解决了农场里8个真实问题——从拍照识别病害到用ESP32远程控制温室卷帘，从卫星遥感数据解读到在群聊里搭建自动化管理机器人。这些案例不仅展示了AI在农业场景下的务实落地，更揭示了传统智慧农业被“拆墙”的底层逻辑：当通用大模型能理解农事指令并生成代码时，高昂的系统集成与硬件开发成本正在归零。

一、从病害识别到卫星遥感：AI如何“接住”农场的每一个真实需求？

富安弘毅的第一个用法是拍照识别西兰花病害。传统做法依赖农业专家或昂贵图像识别API，而他直接用ChatGPT的视觉能力输入照片，配合提示词“请识别叶片症状并给出防治建议”即获结果。更关键的是，他进一步用Codex编写了一个简易的iOS快捷指令，将拍照、上传、查询流程自动化。类似地，卫星农业数据（如NDVI）通常需要专业软件解读，但富安弘毅直接将数值表格粘贴给ChatGPT，让它用Python生成可视化曲线并判断区域长势差异——整个过程无需一行手写代码。

二、远程控制、群聊机器人、数据库设计：Codex把硬件和软件“粘”在了一起

温室卷帘的远程控制是另一个典型。富安弘毅用ESP32（几十元的微控制器）搭配温湿度传感器，通过Codex生成与控制逻辑匹配的Arduino代码，再借助LINE的API构建一个聊天机器人：在农事群聊里输入“打开东侧卷帘”，机器人便通过HTTP请求触发继电器。这个原本需要雇佣嵌入式工程师（市场价约数万元）的项目，被他在一个周末内用AI完成。他还用Codex在农场群聊里搭建了温度告警与排期管理机器人——当夜间温度低于阈值时，机器人自动推送信息并记录；播种量、施肥时间等参数则被写入Airtable数据库，通过自然语言查询即可调取历史记录。

三、从经验到可复制：为什么这个案例值得所有农业从业者关注？

富安弘毅的实践并非孤例，但它揭示了几个关键趋势：第一，“大模型+低功耗硬件”正在替代传统工业物联网架构。过去农业数字化需要专用传感器、云平台和定制App，而现在一个ESP32+ChatGPT API+Line就能满足90%的田间监控需求。第二，自然语言成为编程的“手柄”。正如富安弘毅所说：“Codex就像身边有一位超级工程师，我可以把模糊的需求直接说给它听，它会生成让我测试的可运行代码。”第三，每个用法都附带原始提示词——这意味着其他农民可以“抄作业”，只需替换自家的参数和传感器型号。农业数字化不再依赖昂贵的服务商，而是变成可自学的技能。

四、实用建议：农业从业者如何开启自己的“AI外挂”？

如果希望复制类似实践，建议从三个场景切入：一是用ChatGPT处理现场图片与土壤数据，替代初步诊断与决策支持；二是用Codex辅助编写简单的控制代码（如ESP32或树莓派），实现远程开关、数据采集；三是用Airtable或Notion+AI搭建轻量级农场数据库。最关键的是，不要试图一步到位解决所有问题——正如富安弘毅所做，从最痛点的“病害识别”开始，每解决一个需求就沉淀一个可复用的提示词。未来，当更多农民学会“用AI问问题”，农业的数字化进程可能会从“系统集成”转向“Prompt Engineering”的新阶段。