返回顶部
g

go-stargazing

轻量版区域级拍星/观星推荐技能。默认全国范围,先做云量粗筛再做细筛评分;输出逐晚独立建议与完整气象指标。

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.3.8
安全检测
已通过
227
下载量
0
收藏
概述
安装方式
版本历史

go-stargazing

# GoStargazing ## 定位 轻量版、区域级拍星/观星推荐 skill,用于回答: - 今晚 / 指定日期,全国或指定范围哪里更适合拍星 - 多天查询时,每一晚分别哪里更适合拍星 不做: - 具体机位推荐 - 编造真实视宁度、实测光污染、真实遮挡 - 把区域级结论伪装成机位级结论 ## 默认规则 - 用户没指定范围:当用户说“全国 / 中国 / 国内”时,默认按**中国 34 个省级行政区全覆盖**处理 - 用户指定省份或更小范围:按用户范围查 - 用户没说明题材:默认按星空 / 银河 / 观星处理 ## 核心流程 ### 1. 全国初筛 - 大范围查询时,第一轮只看云量 - 云量不达标直接过滤,达标再进入细筛 - 粗筛阶段不要混入风速、湿度、月光、露点、降水、云底高、天气代码等指标 - **全国粗筛默认使用 `gfs_global` 单模型**筛选云量,大幅减少 API 调用;细筛阶段再启用多模型对比 - 单日 coarse survivor <= 10:直接全部进入细筛 - 多天 coarse survivor <= 20:直接全部进入细筛 ### 2. 细筛 细筛阶段默认启用: - 风速 - 湿度 - 夜间通透度 / 能见度 - 月光影响 - 月升 / 月落 - 露点 - 降水 - 云底高 - 天气现象码 - **模型策略:粗筛默认 `gfs_global` 单模型;细筛阶段启用 `gfs_global + ecmwf_ifs` 双模型联合判定;若双模型存在明显分歧,再补 `icon_global`** 评分原则: - 云量权重最高 - 风速权重较低 ### 3. 区域聚合 - 把高分点聚合成区域级结论 - 优先输出自然地理 / 行政区域名称 - 不直接返回一堆采样点给用户 ### 4. 候选榜单规则 - 按最终排序分从高到低排序 - 候选阈值:`max(70, 第一名分数 - 10)` - 只允许 `recommended` / `backup` 进入候选榜单 - `observe_only` 不得进入候选榜单 - 达标候选少于 10 个时如实返回;多于 10 个时只保留前 10 - 不允许为了凑满 10 个而硬塞明显低质量候选 ## 多天规则 多天查询时: 1. 按逐晚独立推荐输出 2. 每晚给主推荐、备选、完整气象指标和候选榜单 3. 不做跨晚路线连续性判断 ## 输出要求 默认按以下顺序组织: 1. 结论 2. 备选 3. 细化说明 4. 风险提示 5. 本轮参考信息 6. 下一步(是否继续细筛) ### 导出边界 - 本 skill 只负责返回文本 / JSON 结果 - 不再内置 Excel / xlsx 导出能力 - 用户若需要表格附件,应自行创建或由调用侧另行处理 ### 真实数据输出 当用户明确要求真实数据或要自行复核时,回复中必须同时给出本轮实际查到的关键气象指标,不得只给口语化结论。 优先包含: - 天文夜窗、最佳可拍窗口、可拍时长 - 平均 / 最差云量 - 风速、阵风、湿度、能见度 - 温度、露点、月光影响 - 低 / 中 / 高云、降水、天气现象码(如有) - 数据来源与数据完整性说明 ### 回复生成约束 调用方必须优先使用 `final_reply_draft` / `reply_drafts.*` 作为最终回复,不要自行根据零散 JSON 字段二次摘要或重组,否则会丢失完整气象指标与解释。 用户明确要求复核或对照 Windy 时,应优先使用 `final_reply_draft` 或 `reply_drafts.detailed`。 ## 用户可读性规则 - 只说自然中文 - 不要直接输出内部字段名、调试字段或变量名 - 解释时优先说:哪个区域更稳、哪个区域更适合守候、哪晚更适合当路线锚点 ## 夜窗与月光 - 地区天文夜窗和最佳可拍窗口必须分开表达 - 月光建议可以说强 / 中 / 弱,但不要伪装成真实天文实测 - 月升 / 月落与无月光窗口属于辅助信息,不是硬评分主字段 ## 运行前提 - 依赖 `python3` - 额外 pip 依赖:`lunarcalendar`、`shapely` - 真实天气模式依赖可访问的 Open-Meteo 在线接口 - 若当前环境无法访问外部天气源,或当天请求额度已耗尽,则只能明确告知用户无法继续获取新的真实天气数据 ## 数据边界 - 天气主源:Open-Meteo HTTP API - 需要真实数据时,必须使用真实天气查询(CLI 对应 `--real-weather`),不得默认退回 mock 后继续当真实结果回复用户 - 若真实天气抓取失败,必须明确说明失败情况,不得用 mock 顶替真实结论 - 预报范围最远约 16 天;超出需明确告知用户查不了 - 复杂地形区域(高原 / 山区)预报不确定性更高,必要时提醒用户临近出发再复查 - 命中 `429` 时应自动退避,不得继续高频硬打同一模型 - 若天气源明确返回 `Daily API request limit exceeded. Please try again tomorrow.`,则视为**当天真实天气额度已耗尽** - 命中上述“日额度超限”时:不得继续重试;应直接对用户说明:**今天天气源查询额度已超限,明天再查** - 不同天气模型要分别做节流,不能共用一条激进并发节奏 - 全国扫描与单区复核必须分开:全国允许较高吞吐,小范围 / 单区复核应改走低频保守模式 ## 打包数据 当前运行使用: - `data/china-provinces-lite.json` - `data/china-prefectures-lite.json` 使用轻量 bbox 边界,替代完整 geometry,以控制包体积。 ## 主要脚本 - `scripts/go_stargazing.py`:主入口 - `scripts/go_stargazing_engine/engine.py`:主流程编排 - `scripts/go_stargazing_engine/geo.py`:地理边界与空间处理 - `scripts/go_stargazing_engine/weather.py`:天气获取与聚合 - `scripts/go_stargazing_engine/scoring.py`:评分逻辑 - `scripts/go_stargazing_engine/astronomy.py`:天文计算 ## 致谢 本技能由以下伙伴共同打造: - 陈一菲:Skill 第一版创作者,为星空摄影规划奠定了核心框架 - 陆不喝:提供技术方案与专业指导,让数据驱动的选址评分体系成为可能 - Fortune:发起者,将摄影实践与 AI 能力深度结合,持续推动功能迭代 感谢每一位愿意为星空奔赴山海的人

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 go-stargazing-1775970485 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 go-stargazing-1775970485 技能

通过命令行安装

skillhub install go-stargazing-1775970485

下载 Zip 包

⬇ 下载 go-stargazing v1.3.8

文件大小: 81.5 KB | 发布时间: 2026-4-13 10:28

v1.3.8 最新 2026-4-13 10:28
SKILL.md: 粗筛改为 GFS only 描述同步;去掉多天规则中 go-stargazing-trip 引用;去掉导出边界整节

Archiver·手机版·闲社网·闲社论坛·羊毛社区· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2025 闲社网·线报更新论坛·羊毛分享社区·http://xianshe.com

p2p_official_large
返回顶部