diff --git a/docs/POLYMUSIC_INDEPENDENT_DOC.md b/docs/POLYMUSIC_INDEPENDENT_DOC.md
new file mode 100644
index 00000000..12a0a6df
--- /dev/null
+++ b/docs/POLYMUSIC_INDEPENDENT_DOC.md
@@ -0,0 +1,87 @@
+# 🎵 PolyMusic: 音乐市场量化分析系统 - 独立开发文档
+
+## 1. 项目定位
+
+PolyMusic 是一个独立的量化分析系统，旨在通过聚合 **流媒体实测数据 (Spotify/Apple Music)**、**社交媒体前置信号 (TikTok/YouTube)** 和 **行业动态 (Awards/Releases)**，为音乐相关的预测市场提供精准的决策分析。
+
+---
+
+## 2. 核心架构设计
+
+### A. 数据采集层 (The Data Feed)
+
+- **Spotify Scanner**:
+  - 每日定时抓取 Global & US Top 200 榜单。
+  - 提取字段：Track Name, Artist, Daily Streams, Position, Previous Position.
+- **Viral Tracker (前哨信号)**:
+  - 监控 TikTok 热门音频趋势图，追踪 BGM 使用量增幅 (Acceleration)。
+  - 监控 YouTube Trending 榜单。
+- **Contextual Hub (行业动态)**:
+  - 重大活动日历：超级碗、格莱美、科切拉音乐节、主流艺人回归预热。
+
+### B. 分析引擎 (The Trend Engine)
+
+- **Accumulation Solver (积分缺口分析)**:
+  - 专门针对“周榜”市场。根据当前已消耗的天数，计算出各候选人要反超第一名所需的每日平均流值及其标准差。
+- **Decay Controller (热度半衰期计算)**:
+  - 为突发热点（如夺金表演、空降 MV）建立衰减曲线记录。判断当前的高流值是“单日冲击”还是“长期阶跃”。
+- **Consensus Tracker**:
+  - 对比 Kworb, Billboard 预测与 Polymarket 赔率的偏差 (MAE)。
+
+### C. AI 决策层 (Groq LLaMA 3.3 70B)
+
+- **Prompt 逻辑框架**:
+  - **P0 (Event Trigger)**: 是否有头部艺人突然在 Instagram/Twitter 进行大规模预热或空降。
+  - **P1 (Viral Drift)**: 该歌曲的传播是否已由于某个非音乐事件（体育、电影、社交媒体挑战）出现斜率阶跃。
+  - **P2 (Consistency Check)**: 预测市场的价格波动是否与目前观察到的流值增长率相匹配。
+
+---
+
+## 3. 技术栈建议
+
+- **Backend**: Python 3.11+ (FastAPI)
+- **Database**: SQLite (存储每日流值与历史 MAE)
+- **AI Engine**: Groq SDK (LLaMA 3.3 70B)
+- **Crawler**: Requests / BeautifulSoup / Selenium (用于绕过部分动态频率限制)
+
+---
+
+## 4. 目录结构预览 (Independent Project)
+
+```text
+PolyMusic/
+├── src/
+│   ├── data/            # 爬虫与数据采集
+│   │   ├── spotify.py
+│   │   ├── tiktok.py
+│   │   └── billboard.py
+│   ├── analysis/        # 核心算法
+│   │   ├── accumulation.py
+│   │   └── decay_model.py
+│   └── ai/              # AI 决策管线
+│       └── prompt_engine.py
+├── data/                # 本地存储 (JSON/SQLite)
+├── web/                 # 可视化面板 (类似于 PolyWeather Map)
+├── bot_listener.py      # Telegram 交互入口
+└── requirements.txt
+```
+
+---
+
+## 5. 核心博弈指标 (KPIs)
+
+- **Stream Gap (流值缺口)**：反超所需最低日均流值。
+- **Momentum Coefficient (动能系数)**：流值增长的二阶导数。
+- **Price Inaccuracy (定价误差)**：Polymarket 赔率与量化结果的期望偏差。
+
+---
+
+## 6. 下一步动作
+
+1. 初始化项目结构。
+2. 优先攻克 Spotify 每日 Top 200 的数据持久化（通过爬虫或自动化工具）。
+3. 建立第一个周榜计算模型，并在本周五（3月6日结算日）进行实战对账。
+
+---
+
+_Document created for independent project initialization on 2026-03-04_
diff --git a/src/data_collection/weather_sources.py b/src/data_collection/weather_sources.py
index 9d94868c..3bfab705 100644
--- a/src/data_collection/weather_sources.py
+++ b/src/data_collection/weather_sources.py
@@ -566,6 +566,26 @@ class WeatherDataCollector:
                         results["today_high"] = h_max
                         logger.info(f"📋 MGM 每日预报: 使用小时预报最高温作为今日预报回退: {h_max}°C")
 
+            # 5. Fallback for daily_forecasts from hourly data
+            if not results.get("daily_forecasts") and results.get("hourly"):
+                from collections import defaultdict
+                daily_max = defaultdict(list)
+                for h in results["hourly"]:
+                    t = h.get("time", "")
+                    temp = h.get("temp")
+                    if t and temp is not None:
+                        # Extract date from ISO timestamp like "2026-03-05T12:00:00.000Z"
+                        date_str = t[:10]
+                        daily_max[date_str].append(temp)
+                if daily_max:
+                    results["daily_forecasts"] = {}
+                    for d, temps in sorted(daily_max.items()):
+                        results["daily_forecasts"][d] = max(temps)
+                    logger.info(
+                        f"📋 MGM daily_forecasts (from hourly fallback): "
+                        f"{dict(results['daily_forecasts'])}"
+                    )
+
             return results if "current" in results else None
         except Exception as e:
             logger.error(f"MGM API 请求失败 ({istno}): {e}")