前言¶
山地云海是否出现，取决于露点、逆温、风速和山体相对雾层的位置。自己查 Open-Meteo、手算 LCL 和雾顶，再对照十几座山峰坐标，往往要反复打开多个页面。若希望 Agent 在对话里按统一标准拉数、评分并输出可读的报告，cloud-sea 把这套流程写进 Skill，用触发词即可启动。
这是什么¶
cloud-sea 是 SkillHub 社区 Skill（坐标 @user_7532f4b1/cloud-sea，当前版本 4.0.1，分类 data-analysis）。定位是北京及周边 16 座官方观测峰的云海概率预测：自动抓取气象数据、计算雾底与雾顶、做 12 因子评分与雾型诊断，并生成 Markdown 与 HTML 可视化报告。页面标注 requires_api_key=false，无需单独配置 API Key。
发布者为社区用户 user_7532f4b1；SkillHub 展示页与包内 SKILL.md 均强调零手动配置，山峰坐标来自包内 references/peaks.json。
核心功能¶
以下能力均来自官方简介与包内 SKILL.md，可按需裁剪理解：
-
多源气象与 LCL V2.0 三层融合
通过 Open-Meteo 拉取预报；融合 ECMWF IFS 0.25°、默认多源（简介中的「CMA 层」）与 ECMWF 集合成员，对露点与 LCL 做交叉验证。露点温度dew_point_2m必须从 API 实测获取，不允许假设。 -
雾底 / 雾顶与可见性
使用 Magnus 相关公式估算抬升凝结高度（LCL），并按雾顶 = 气象站海拔 + LCL + 100m做物理校验；用山顶与雾顶的差值判断是否在雾上、能否看见云海。 -
12 因子评分与通透度
综合湿度、云量、风、降水概率等因子打分，并评估大气通透度；评分过低时 Skill 要求给出灰霾类警告。 -
雾型诊断
支持辐射雾、上坡雾、平流雾、谷雾、锋面雾等类型的判断说明（详见包内references/fog-types.md）。 -
报告输出
主会话按references/report-template.md生成 Markdown（含 16 峰排名、气象摘要、行程与装备建议等），并可生成 HTML 可视化报告（assets/report-template.html与scripts/report_gen.py）。 -
任务分流
默认覆盖 16 峰全量预测；也可针对单峰（如妙峰山、雾灵山、海坨山）或「日出云海 / 日出质量」做专项分析。
16 峰名单以 references/peaks.md 为准，包括海坨山、东灵山、雾灵山、百花山、云蒙山、妙峰山、黄草梁、长峪城、东指壶、燕羽山、北灵山、西南灵山、箭扣长城、金山岭长城、白石山、白草畔等；Skill 明确不将三香山、佛爷顶等非官方峰混入默认排名表。
安装与启用¶
方式一：SkillHub CLI（推荐）¶
先确认本机是否已安装 skillhub：
command -v skillhub && skillhub --version
未安装时，可按 SkillHub 安装文档 执行完整安装（示例）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
安装 Skill 时必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/ 可能不会被识别：
skillhub install @user_7532f4b1/cloud-sea --dir <你的 skills 目录>
常见路径（摘自 SkillHub 安装文档）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
包下载地址（SkillHub 页面提供）：https://api.skillhub.cn/api/v1/download?slug=@user_7532f4b1/cloud-sea
方式二：让 Agent 按文档安装¶
SkillHub 页面给出的提示词为：根据 https://skillhub.cn/install/skillhub.md，安装 @user_7532f4b1/cloud-sea。在已支持 Skill 的客户端里发送该句即可走同一安装流程。
启用后无需在 Skill 内填写密钥；气象请求由包内脚本（如 scripts/analyzer.py、scripts/reliable_fetch.py）按 SKILL.md 流程调用 Open-Meteo。
典型用法¶
Skill 设计为一句话触发。在对话中直接使用简介中的关键词即可，Agent 会按 Step 1→5 执行：判断任务类型 → 拉取融合气象 → 12 因子评分 → 输出 Markdown 报告 → 可选 HTML。
| 你说什么 | 预期行为（据 SKILL.md） |
|---|---|
| 「云海预测」 | 抓取 16 峰最新数据，计算概率并展示完整报告 |
| 「云海概率」 | 同上，偏简洁摘要 |
| 「日出云海」或「日出质量」 | 日出时段云海质量专项 |
| 「妙峰山云海」 | 指定山峰精细分析 |
其他强制触发词包括：云海、雾海、山地云海、云海报告、雾灵山云海、海坨山云海、东灵山云海、白石山云海、百花山云海、云蒙山云海等。未指定山峰时，默认跑官方 16 峰，不混入非官方观测点。
报告会保存为类似 cloud-sea-{date}.md 的文件；Skill 要求 Agent 读取该文件并把完整内容写回对话，避免只留在工具输出里。
适用场景与注意¶
适合谁
- 在北京及周边登山、摄影、户外行前，需要快速对比多座山峰云海概率的用户。
- 希望 Agent 固定使用同一套评分标准、报告模板，而不是每次临时搜天气的用户。
限制与注意
- 地理范围：默认逻辑围绕
peaks.json中的 16 座官方峰；长城低海拔段（如箭扣、金山岭）在 Skill 规则中标注为常处于雾层之下，云海可见性预期与其他高峰不同。 - 网络与第三方 API：依赖 Open-Meteo 等在线接口；离线或接口异常时预测无法完成。
- 预报属性：输出为概率与气象推演，不能替代现场安全判断；高山天气突变需以官方预警为准。
- 版本与统计：SkillHub 页面当前为 v4.0.1；商店评分与下载量会变动，以 SkillHub 详情页 为准（抓取时评分为 100000，下载 644 次）。
结尾¶
cloud-sea 把多源气象融合、雾层物理校验、12 因子评分和标准化报告串成一条对话内流水线；对关心北京 16 峰云海与日出质量的开发者，用触发词即可复用同一套分析，而不用每次从零拼 API 和公式。
- SkillHub 页面：https://www.skillhub.cn/skills/user_7532f4b1/cloud-sea
- 官方 API 入口：https://api.skillhub.cn/user_7532f4b1/cloud-sea
- 坐标：
@user_7532f4b1/cloud-sea
