标题：一个北海道农民，用AI搞定了8种农活

摘要：北海道西兰花农富安弘毅将ChatGPT与Codex融入农场日常，从病害识别到温室远程控制，从播种追踪到数据库搭建，8个真实用例揭示了低成本AI如何重塑传统农业的生产逻辑。

在北海道的一片西兰花田里，一位农民正在用手机拍照，随后将图片发送给一个数字助手——这不是科幻小说，而是富安弘毅的日常实践。这位农场主将ChatGPT和Codex变成了田间地头的“超级工程师”，8个具体应用场景展示了大语言模型在农业领域的工程化落地潜力。

传统农业自动化长期面临成本门槛：专业级NDVI卫星监测服务动辄数万元，温室自动卷帘设备需要复杂布线，而RTK-GPS自动转向系统更是令小规模农户望而却步。富安弘毅的实践揭示了一个趋势——AI正在将这些昂贵的技术民主化。他使用Codex调用卫星遥感API，直接获取作物健康指数（NDVI）数据，成本仅为传统方案的零头；通过ESP32微控制器与LINE机器人结合，实现了温室的远程卷帘控制，这一系统从开发到部署的总投入不超过300元人民币，过去需要专业工程师一周的工作量。

这8个用法可以归纳为三个层次：第一是感知层——拍照识别西兰花病害、解析卫星NDVI数据；第二是控制层——ESP32驱动温室卷帘、RTK-GPS辅助农机自动转向；第三是管理层——开发群聊机器人管理温度与排期、从聊天记录自动追踪播种数量、设计基于Airtable的数据库。每一个案例都附带了原始提示词，这意味着其他农业从业者可以直接“抄作业”，无需理解背后的技术栈。

值得关注的是，富安弘毅并非程序员出身，而是真正的“跨界者”。他验证了一个假设：大语言模型的最大价值不在于生成代码，而在于将编程门槛降低到“用自然语言描述需求”的程度。当他说出“我想知道怎么用ESP32控制温室卷帘，还能通过LINE通知我”时，Codex直接输出了完整代码和接线图，这个过程在传统模式下需要查阅四本不同的技术文档。

从行业角度看，这个案例提供了农业AI落地的关键启示：垂直场景的AI应用不是替代农民，而是将“超级工程师”的能力拆解成可拼装的模块。富安弘毅的农场模型可以复制——西兰花农用AI诊病，同样适用于葡萄种植户的霜霉病预警；温室卷帘方案稍作调整就能用于水稻育秧大棚的温控。低成本、可复用、低门槛，这三个特性正在重新定义农业科技服务的交付逻辑。

对于农业从业者来说，接下来的行动路径已经清晰：从最痛点的环节切入——比如病害识别或自动排期，使用大语言模型生成原型，在3-5个农作节气内完成验证。AI不会一夜之间让农田全自动化，但富安弘毅证明了，一个农民加上一个“超级工程师”，足以在传统模式下打开一个效率缺口。