Weather via OpenMeteo (via openmeteo-sh cli; advanced ver)

核心功能与用法

openmeteo-sh 是一个封装 OpenMeteo 免费 API 的命令行工具，专为 LLM 场景优化。核心能力包括：

• 实时与预报天气：支持当前天气 + 最长 16 天预报，可精确控制起止日期（--forecast-since）避免冗余数据
• 历史数据查询：自 1940 年起的历史气象数据，支持多种再分析模型（ERA5、ECMWF IFS 等）
• 细粒度变量控制：50+ 专业变量（气压、露点、雪深、能见度、UV 指数等），可按需裁剪输出
• 智能输出格式：--llm 参数输出紧凑 TSV，Token 效率最大化；天气代码自动转文本

典型使用场景

| 场景 | 命令示例 |

|------|---------|

| 极简当前天气 | `openmeteo weather --current --city=Berlin --llm` |

| 精准降水预测 | `--hourly-params=precipitation,precipitation_probability` |

| 历史同期对比 | `openmeteo history --city=Tokyo --start-date=2023-01-01 --end-date=2023-01-31` |

| 周末专项预报 | `--forecast-days=7 --forecast-since=5` 跳过周一至周四 |

显著优点

1. 零成本接入：OpenMeteo 为非商业用途提供免费、无速率限制的 API，无需注册密钥
2. 专业级数据源：整合 ECMWF、DWD、MeteoSwiss 等权威机构模型，支持模型级选择（--model=best_match 或指定单一模型）
3. Token 优化设计：--llm 输出格式相较标准 JSON 减少 60%+ Token，专为 LLM 消费设计
4. 地理灵活性：城市名自动地理编码，支持模糊匹配与国别消歧（--country=US），或直接坐标输入

局限性与注意事项

• 数据覆盖不均：历史数据（尤其 1950 年代前）依赖 ERA5 再分析，部分偏远地区精度有限；实时数据对极端天气（如突发龙卷风）的延迟约 1-3 小时
• 模型差异：不同预报模型（ECMWF vs GFS）在 7 天+ 预报上可能存在显著分歧，默认 best_match 为加权平均，专业场景建议对比多模型
• 免费层限制：商业用途需购买 OpenMeteo 订阅；高频查询（>10,000/天）可能触发软限制
• 历史数据边界：1940 年起为日尺度聚合，小时级历史数据通常仅回溯至 1959 年（ERA5-Land）

适合人群

• 户外从业者（登山、航海、农业）：需历史同期对比、多变量（风速 gust、能见度）综合评估
• 数据分析师：研究气候变化趋势、验证能源（光伏/风电）产出模型
• 开发者与自动化场景：构建无需 API 密钥的天气机器人、CI/CD 测试数据生成
• 深度天气用户：不满于手机 App 的简化预报，需要露点、气压等专业指标

风险提示

• 位置歧义：城市名如 "Springfield" 存在多国重名，务必使用 --country 或坐标验证
• 单位混淆：默认公制（°C、mm、km/h），需显式指定 --temperature-unit=fahrenheit 等避免误解
• 历史数据误读：再分析数据为网格插值结果，非实测站数据，用于精确站点对比时需理解其局限性

核心用法

OpenMeteo Weather Advanced 是一款面向专业用户的高级天气查询技能，通过 openmeteo CLI 工具调用 Open-Meteo 免费 API 实现。该技能突破了基础天气查询的限制，提供历史天气回溯、多模型选择、精细化变量筛选等高级功能。

主要功能模块：

• 实时与预报查询：支持当前天气及最多16天预报，可通过 --forecast-since 参数灵活截取特定日期区间
• 历史数据查询：可追溯至1940年的历史天气数据，支持自定义日期范围查询
• 精细化变量控制：通过 --current-params、--hourly-params、--daily-params 精确指定所需变量，避免冗余数据传输
• 多模型支持：可选不同气象模型（best_match、era5、ecmwf_ifs等），满足专业分析需求
• 智能输出格式：默认使用 --llm 参数获取TSV格式，Token效率高，天气代码自动转换为可读文本

典型应用场景：农业历史气候分析、建筑能耗评估、户外活动精准规划、科学研究数据获取、旅行历史天气对比等。

显著优点

1. 完全免费，无需认证：Open-Meteo API 不收取费用，无需注册API密钥，降低使用门槛
2. 数据维度丰富：支持50+气象变量，涵盖温度、降水、风速、气压、紫外线、能见度、积雪深度等专业指标
3. 历史数据深度：1940年至今的历史档案，适合长期趋势分析和气候研究
4. Token优化设计：--llm 输出格式专为AI Agent设计，数据密度高，处理效率高
5. 地理位置灵活：支持城市名自动编码、国家代码消歧、直接坐标输入三种定位方式
6. 参数继承机制：对话中切换城市时自动继承已设定的参数，提升交互连贯性

潜在缺点与局限性

1. 依赖外部CLI工具：需用户预先安装 openmeteo-sh CLI，非纯内置实现
2. 个人开发者维护：当前由个人账号（lstpsche）维护，长期维护稳定性存在不确定性
3. 网络依赖性强：所有数据实时从Open-Meteo服务器获取，无离线缓存能力
4. API服务可用性风险：作为免费服务，Open-Meteo可能调整服务条款或限制请求频率
5. 历史数据精度限制：1940年代早期数据依赖再分析模型，与现代观测数据存在精度差异
6. 地理覆盖盲区：部分偏远地区的气象模型覆盖可能不如商业服务全面

适合的目标群体

• 科研人员与数据分析师：需要历史气象数据进行气候研究、相关性分析
• 农业与能源行业从业者：依赖历史天气进行产量预测、能耗建模
• 户外运动与赛事组织者：需要精细化预报规划登山、航海、马拉松等活动
• 旅行规划师与内容创作者：查询目的地历史天气以制作攻略或内容
• 智能家居与IoT开发者：集成天气数据实现自动化场景
• 对天气数据有精细化需求的一般用户：不满足于手机自带天气应用的简单预报

使用风险说明

常规技术风险：

• 网络超时或API服务中断可能导致查询失败，建议在高可靠性场景下配置降级方案
• CLI版本与Skill文档可能不完全同步，部分参数行为存在版本差异

数据准确性风险：

• 预报数据本质上是模型预测，极端天气事件的预报准确率有限
• 历史数据来源于再分析数据集，与真实观测值存在偏差，不适用于法律级别的气象证明

隐私与合规：

• 查询时传输地理位置信息（城市名或坐标），虽不涉及敏感个人信息，但企业用户需评估数据出境合规性
• Open-Meteo为欧洲服务商，数据受GDPR约束，对用户权益有基础保障

供应链安全：

• 建议定期验证 openmeteo-sh CLI 来源完整性，关注GitHub仓库的更新动态与安全公告