阿里妹导读
本文记录了一次从灵光一现到快速落地的 AI + 地图服务实践，通过结合 Cursor 与高德 MCP 地图服务平台，作者仅用几个小时就实现了一个可交互、可筛选、可推荐的杭州美食地图应用。
最近刷到一篇热帖，一位在阿里五年的同学总结了一份她这五年（吃的每一口记录）收集的杭州美食排行榜，为“美食荒漠”正名。也让我回忆起自己初到杭州进入团队时也曾想整理一份“美食地图”，却因种种原因而作罢。恰逢最近团队准备选团建的餐厅，于是立马把这篇帖子分享给投食官。投食官仔细调研后感慨道，“这篇文章真是太好了，如果能在地图上看到它们的位置就更好了。”
这让我萌生了为这个美食排行榜做一个杭州美食地图的想法，以便能快速地看到餐厅的位置并进行选择。实现方法上 AI coding 加高德 MCP 有没有搞头？
文末附源码和项目地址供大家参考和取用。
安装高德MCP server
过程参考 ：Cursor快速接入高德MCP server
https://lbs.amap.com/api/mcp-server/gettingstarted
只需准备好你的高德 key，在 cursor 上设置里如下配置即可。
配置好后检查 mcpserver 的状态，如下图则是正常可用的。
给 AI 提需求-构建工程提示词
输入“需求文档”后，cursor 会进入 Plan 模式进行规划整体设计方案。
十几分钟写完“需求文档”，晚饭时间到，提给 AI 让它先写着，我们去吃饭～
AI coding-开始寻找杭州美食之旅
调用高德 MCP Server-获取餐厅准确位置和信息
AI 会先调用高德 MCP Server 的 maps_text_search 方法通过模糊查询，查到候选餐厅信息。
输入
输出
可以看到，查出了一系列餐厅，其中有如*餐厅的基本信息，取出 id，作为下一轮的输入。
可以看到紧接着 AI 会调用高德 MCP Server 的能力，通过 id 来获取餐厅详情。
输入
输出
可以看到这里获取到了餐厅的详情信息，包含名称、经纬度、地址、照片、营业时间、评分等。
AI 会将高德 MCP Server 中获取的数据格式化，整理到 json 文件中，作为数据源。
编写页面
数据收集完后，就开始根据需求，编写代码了，通过引入高德 API 展示杭州地图，然后将上一步整理的数据引入进来，标出餐厅的位置。并且支持点击餐厅的名称，弹框展示餐厅的详情，餐厅的推荐理由。
虽然没有关注代码具体怎么实现的，但是它就这样水灵灵的工作起来了～
但我认为我们还是需要理解 AI 写的每一行代码，对代码质量有一个评估，一方面自己能有所进步，一方面不能让 AI 自由发挥的太过，到后面一行也看不懂，改也改不动的时候，项目就崩了。自己不理解的代码，可以让 AI 为代码都加上注释，方便理解。
调试页面
AI 写完了主体页面和功能点后，预览一下，还是有挺多细节需要修改的，如名称大小、背景框样式、弹框点击关闭逻辑等，这些和 AI 沟通，说明需要修改的位置和要求即可，如果说不清的时候，可以直接截图给 AI，告诉它要改什么，理解意图上还是十分强大的。
找素材
但是 AI 有一点不足的是不太方便从外部直接获取资源，比如试图让 AI 自己去网上找合适的素材图标，但是失败了，它会让我去给它下载，不然它会自己画一个丑陋抽象的 SVG 图标。
实在忍不了，只能去网上找素材，可以说整个过程中，花的最多的时间就是这里了。找合适的素材，尝试下载，要收费？换一个地方找，终于是免费的了，下载下来，传到图床上，变成公网可访问的链接。
整个找素材的过程十分痛苦，如果 AI 可以自己找就好了，也许是使用的姿势不太对，还需要继续研究。
好在最终找到了一个非常棒的平台，那就是阿里巴巴图标矢量库，还是自家兄弟好，素材非常的全且好用，大力推荐。
地址：https://www.iconfont.cn/?spm=a313x.search_index.i3.d4d0a486a.2dff3a81XH4Q3q
餐厅分类与筛选
对于之前的收集的餐厅的数据，没有一个很好的分类进行表达，于是让AI 重新分析一下整个餐厅数据，结合餐厅的信息，进行分类，然后将餐厅类型与图标素材再进行一个匹配。得到一个分类好的餐厅列表，与图标的映射关系。
然后就可以愉快的让 AI 结合这个分类数据，改写一下餐厅的图标啦，并且基于分类，再加上了图例列表，和筛选项的功能，方便展示，不然 100个餐厅全部展示在地图上，也不太方便小伙伴们看。
然后页面的效果如下：
AI 推荐餐厅
看了地图上标注的餐厅后，才发现，离自己园区的距离都比较远，于是含泪再写一份自己团队的聚餐选点指南，让 AI 帮助推荐餐厅。
有了前面的基础，这次 20 分钟就搞定了，主要在写需求文档和微调页面样式上，可以分析一下各个餐厅的优劣，离出发点的距离，交通方式，和所需时间，周边配套等。 最后进行一个智能总结，推荐一个餐厅，效果如下：
小伙伴们就可以愉快的进行决策，到底选哪个餐厅了～
新的功能正在和我们投食官持续优化中，比如先选择团建地方，再选择聚餐地方，多个地点让 AI 分析推荐等～
发布与部署
公网部署方法挺多的，比如 GitHub、Gitee上提供了静态页面部署的能力，或者可以租一个阿里云服务器申请域名，搭建自己的网站。
在 GitHub 部署静态页面的简要指南
以下为 GitHub Pages 静态部署的核心步骤，基于官方文档和工具链实现：
此 Action 会将指定目录内容部署到 分支。
4. 访问页面
5. 注意事项
最后
这次的实践我认为还是非常的有趣的，整个开发过程大概 3-4 小时，而且主要花在了找素材和调整样式上了。放在以前，有了一个好的点子，但是可能会因为麻烦，跨技术栈，生产周期长、拖延症等各种因素导致“创业未半而中道崩殂”。
不得不感叹，AI 真的能帮助人们提高效率，并且使之前不可能或者很难完成的事情变得可行。在 AI 时代，可能需要从之前传统的“关注技术栈和专业，关注如何实现”的思维转向聚焦到“扩展思维的宽度和认知，寻找事物的可达路径”上。
另外，高德的小伙伴是否考虑一下，增加一个餐厅、团建的地点投票功能～
可以在高德上发起投票，录入几个候选位置，邀请小伙伴们一起投票。可以很方便的查看当前位置（或者出发地点）距离候选地点的距离、交通方式和用时、候选地点周边配套等。 也可以让 AI 结合需求背景，总结一下各候选地点的优势。然后小伙伴们就可以愉快地投票了！
源码如下，需要的小伙伴可自取，在这个基础上改改就能用了。
杭州美食地图
“去哪吃”源码
10分钟微调：让0.6B模型媲美235B模型
大参数模型效果好，但成本高、响应慢。针对该问题，可以用大参数模型的输出去微调小参数模型，使其在特定任务中的表现接近大参数模型，这一过程也被称为模型蒸馏。本方案介绍如何通过模型蒸馏提升 Qwen3-0.6B 模型在特定任务的表现（本案例中准确率从14%提升至90%以上）。
