天气面状查询

输入城市或地点 + 活动半径(km) + 天数，自动完成：

1. 地理编码定位中心点
2. 中心 + 8 方向共 9 点拉取预报与空气质量
3. 按本地日期聚合极端要素，生成 Markdown 报告
4. Agent 写出门防护建议

依赖

pip install esflow openmeteo-requests pandas

使用

# 1. 首跑到 agent_advice 退出(exit 2)
python3 scripts/run.py --query 北京天安门
python3 scripts/run.py --query 北京大兴机场 --days 3 --radius-km 10 [--out ./out]
# stdout: envelope JSON(ok, data.job_dir / analyze_grid_artifact / advice_path)
# stderr: [to_agent] 续跑命令 + [样式] 表格约束

# 2. Agent 读 analyze_grid_artifact,写 data.advice_path

# 3. 续跑落盘
python3 scripts/run.py --resume <job_dir>
# stdout: envelope(ok, data.out_path / data.out_dir / data.job_dir)

最终报告路径为 envelope data.out_path。未传 --out 时写到 export/weather_report.md；传 --out <DIR> 时写到 <DIR>/weather_report.md，--resume 会自动继承首跑入参。

参数

退出码：0 ok / 1 runtime / 2 to_agent / 3 validation。esflow 事件走 stderr，不污染 stdout envelope。

节点(8 个)

DAG

parse_args → geocode → build_grid → fetch_bulk → analyze_grid → format_table
                                                              ↓
                       export ← agent_advice(TO_AGENT)

TO_AGENT

1. 首跑在 agent_advice 以 exit 2 暂停；解析 stdout 一行 envelope，data 含 job_dir、analyze_grid_artifact、advice_path
2. 读 {job_dir}/.esflow/analyze_grid/artifact.json：优先 llm_text（告警段优先），或结构化 llm_json（alerts、points_merged、daily_reports 等）；勿依赖 stderr 里嵌的上游 markdown
3. 按下列样式写到 agent_advice/advice.md（即 data.advice_path），勿复述报告表格已有数值
4. python3 scripts/run.py --resume <job_dir> 续跑 export

出门建议样式（与 stderr [样式] 一致）

• 标题：## 外出建议
• 表头固定：日期 | 风险点 | 外出建议
• 风险点用短语，行动一句话；可合并连续同类日期（如 07-10 至 07-11）
• 不写表格外总结

技术选型

• Open-Meteo forecast + air-quality,openmeteo-requests 批量坐标
• pandas 做 hourly→日聚合与典型时刻(8/12/16/20)
• 无本地响应缓存(个人使用)
• Nominatim 仍用标准库预检

预检

• Python >= 3.10
• Nominatim 可达