用途：GeoAI Orchestrator 是 18 个地理空间技能模块的枢纽，用于路由或流程编排，而非包裹每个空间任务。它负责诊断用户的空间问题类型、设计跨阶段流程、把每个阶段路由到合适的专家技能，并执行所有阶段必须遵守的模块级不变量。
主要能力：按问题类型路由到专家技能，包括数据获取与 CRS（geo-data-engineering）、遥感影像与光谱指数（remote-sensing-analysis）、Google Earth Engine（google-earth-engine）、地理深度学习（geo-deep-learning）、空间统计（spatial-statistics）、选址与适宜性（mcda-suitability-analysis）、地统计插值（geostatistics-interpolation）、地形与水文（terrain-hydrology）、LiDAR 点云（point-cloud-lidar）、网络可达性（network-accessibility-analysis）、轨迹（movement-trajectory）、变化检测（change-detection）、制图可视化（cartography-geoviz）、PostGIS（postgis-spatial-sql）、ArcGIS Pro 自动化（arcgis-pro-automation）；跨领域方法标准可调用 ml-experiment-standards 与 swe-devops-standards。
使用方式：路由必须通过 Skill 工具实际调用，不能只在表格或文字中列出技能名；每个发现或缺陷都要单独路由并调用；不得把路由写成“需要的话我可以转交”这类条件式表达；审计类请求需在同一响应中给出审计结果、路由修正和修订方案。多阶段请求先输出简短流程计划（阶段→技能→产物→验证标准），再在同一响应中调用计划中的技能。
模块级不变量：始终显式声明 CRS，禁止在经纬度 CRS 中计算面积/距离/缓冲，默认用 gdf.estimate_utm_crs() 取局部 UTM，全球面积统计用 EPSG:6933；注意 GeoJSON 为 lon/lat 的轴序；分析前用 shapely.make_valid 修复几何（不用 buffer(0)）；每次连接/叠加/过滤后报告行数进出；空间数据随机划分会泄漏，ML 阶段遵循 ml-experiment-standards 的空间交叉验证协议；列名带单位（area_ha、dist_km、elev_m）；每个空间输出同时做汇总表和地图检查；固定包版本、随机种子并记录参数，中间产物用 GeoPackage 或 GeoParquet。
适用场景与限制：仅用于模糊或跨领域工作；单一明确任务应直接路由到最窄的专家技能。若无法满足路由门禁，不应激活本技能。资料未提供具体收费、价格、平台支持范围与效果数据。