在大语言模型介入 GIS 空间分析的新范式下，用户交互正在从“工具-参数-执行”转向“自然语言-代码-空间分析”。本文从本体论与方法论角度论证：GIS 空间分析代码不仅是实现工具，更是连接自然语言意图与空间分析结果的形式化驱动机制，是空间分析可执行、可验证、可重放的最小完备单元。
空间分析的科学有效性不只取决于结果，更取决于分析过程是否可执行、可验证与可重放。LLM 的出现使代码重新从工具后台走向方法前台。
空间分析过程显性地体现为程序执行逻辑，用户需要理解数据结构、算法调用与流程控制，门槛较高但过程相对透明。
用户通过图形界面配置工具与参数，降低了使用门槛，但也弱化了对空间分析执行结构的理解。
自然语言成为入口，代码成为中介，LLM 负责生成、解释或修正程序，使空间分析过程再次显性化。
自然语言具备语义弹性，适合表达意图；程序代码具备形式化确定性，适合承担执行稳定性。因此，在 LLM 时代，代码是空间分析科学有效性的关键支点。
GIS 空间分析代码以形式化符号体系表达地理空间对象、空间关系与分析操作。其执行逻辑可被计算机严格解释，不依赖自然语言上下文的模糊推断。
从数据读取、坐标参考处理、空间叠加、缓冲区分析、栅格计算到结果导出，代码记录了分析链条的每个关键步骤，是过程复现的核心载体。
LLM 生成的自然语言解释可能存在歧义或幻觉，而代码可通过运行、单元测试、结果比对和逻辑审查被验证，因而是空间分析可信性的最小完备单元。
自然语言负责表达目标，代码负责形式化执行，空间分析结果则必须通过代码逻辑获得可追溯解释。
代码将空间分析从“能得到结果”提升为“能解释为何得到该结果、能否重复得到该结果”。
LLM 的价值在于降低代码生成和理解门槛，但空间分析过程的稳定性仍需由代码机制承担。
未来 GIS 空间分析将从工具调用走向智能体协作，但无论交互入口如何变化，代码仍是确保分析可控、可信与可追溯的关键机制。
应构建面向 GIS 空间语义的代码审查、单元测试与结果比对机制，特别关注坐标参考、空间拓扑、尺度效应和数据质量等关键问题。
将经典空间分析任务沉淀为可复用、可组合、可解释的代码单元，有助于提升 LLM 生成代码的可靠性和领域适配性。
面向未来的 GIS 智能体应具备任务理解、代码生成、执行监控、错误修复与结果解释能力，其中代码是智能体行动链条的核心中介。