diff --git a/web/scan_city_ai_prompt.py b/web/scan_city_ai_prompt.py
index c0482912..646a7e66 100644
--- a/web/scan_city_ai_prompt.py
+++ b/web/scan_city_ai_prompt.py
@@ -45,7 +45,7 @@ def build_city_ai_request_json(
         "独立判断该城市今日最高温路径。不要写套利、交易、BUY YES/NO、价格、edge 或 Kelly。"
         f"你的核心输出是：最终最高温点估计、置信区间、置信度、最终判断、{observation_label_zh}、判断依据和风险。"
         "预测方法：首先查看 model_cluster.sources 中的全部模型（含 DEB）的集中区间和中位数作为基线；"
-        "然后重点阅读 metar_context 中的最新观测/报文（温度趋势、风向风速、云量、能见度、露点），"
+        "然后重点阅读 metar_context 和 current 中的最新观测数据（温度趋势、风向风速、湿度、云量、能见度、露点），"
         "根据实测信号独立判断基线应该是上修、下修还是维持，并在 predicted_max 中给出你的独立判断。"
         "DEB 只是模型集群中的一个融合参考，不应该直接照搬为 predicted_max；"
         "你必须综合所有模型 + 观测信号后给出自己的数字，与 DEB 有差异是正常的。"
@@ -211,7 +211,7 @@ def build_city_ai_stream_request(
         f"必须基于最新观测/报文独立判断该城市今日最高温，输出 metar_read_zh、metar_read_en、predicted_max、range_low、range_high、unit、confidence、final_judgment_zh、final_judgment_en、reasoning_zh、reasoning_en 字段，便于前端快速显示{read_label}和最高温预测；"
         "模型一致性和风险清单由后端规则补齐，不要生成这些字段。"
         f"预测方法：先看 model_cluster.sources 中各模型（含 DEB）的集中区间作为基线；"
-        "然后重点阅读 metar_context 中的报文/观测信号——温度趋势、风向风速、云量、能见度——"
+        "然后重点阅读 metar_context 和 current 中的观测信号——温度趋势、风向风速、湿度、云量、能见度——"
         "独立判断 predicted_max 应该落在基线区间的哪个位置（偏上/偏下/中枢），不要直接照搬 DEB 的值。"
         f"{source_instruction}"
         "观测解读必须具体说明观测/报文时间、温度、风向风速、云量/天气/能见度/露点中与温度路径相关的因素；每个字段最多 1-2 句。"
diff --git a/web/scan_terminal_ai_compact.py b/web/scan_terminal_ai_compact.py
index 994973bc..241ad87c 100644
--- a/web/scan_terminal_ai_compact.py
+++ b/web/scan_terminal_ai_compact.py
@@ -330,8 +330,24 @@ def _city_observation_anchor(data: Dict[str, Any]) -> Dict[str, Any]:
             "station_label": station_label,
             "read_label_zh": "香港天文台观测解读",
             "read_label_en": "Hong Kong Observatory observation read",
-            "instruction_zh": "该城市使用香港天文台/HKO 官方站点观测，不是机场 METAR；不得称为机场报文或 METAR。",
-            "instruction_en": "This city uses Hong Kong Observatory/HKO station observations, not an airport METAR; do not call it an airport bulletin or METAR.",
+            "instruction_zh": (
+                "该城市使用香港天文台/HKO 官方站点观测，提供温度、今日最高/最低温、相对湿度、"
+                "10分钟平均风速和风向数据。它不是机场 METAR，不得使用 METAR、TAF、机场报文、报文时间等称谓，"
+                "应使用「观测时间」「风速」「风向」「湿度」等官方气象站用语。"
+                "观测解读必须具体说明：最新观测时间、温度、风向风速对升温路径的影响（增温/降温/中性）、"
+                "湿度是否可能压制日间升温。涉及风时必须说明具体风向及来源（如「偏北风」「海风/陆风」）。"
+                "如果有今日最高温和最低温数据，应结合判断温度走势。"
+            ),
+            "instruction_en": (
+                "This city uses Hong Kong Observatory/HKO official station observations, providing temperature, "
+                "today's high/low, relative humidity, 10-min mean wind speed and direction. "
+                "It is NOT an airport METAR; do not use METAR, TAF, airport bulletin, or report time terminology. "
+                "Use terms like observation time, wind speed, wind direction, humidity. "
+                "The observation read must be specific: latest observation time, temperature, whether the wind "
+                "direction tends to warm, cool or be neutral for today's high path and why, and whether humidity "
+                "may suppress daytime heating. When mentioning wind, specify the direction and source "
+                "(e.g. northerly, sea breeze/land breeze). If today's high/low are available, use them to assess the trend."
+            ),
         }
     return {
         "source": "metar",
diff --git a/web/scan_terminal_service.py b/web/scan_terminal_service.py
index f6e89b62..892e5502 100644
--- a/web/scan_terminal_service.py
+++ b/web/scan_terminal_service.py
@@ -348,6 +348,9 @@ def _build_city_ai_prompt(data: Dict[str, Any]) -> Dict[str, Any]:
             "obs_time": current.get("obs_time"),
             "station_code": current.get("station_code"),
             "station_name": current.get("station_name"),
+            "wind_speed_kt": current.get("wind_speed_kt"),
+            "wind_dir": current.get("wind_dir"),
+            "humidity": current.get("humidity"),
         },
         "airport": {
             "name": risk.get("airport") or airport_current.get("station_label") or airport_primary.get("station_label"),