fix: reality-anchored probability engine and forecast bust AI detection

src/analysis/ai_analyzer.py

@@ -33,7 +33,12 @@ def get_ai_analysis(weather_insights: str, city_name: str, temp_symbol: str) ->
 
 【分析优先级】（按此顺序逐项检查，前置项可推翻后置项的结论）
 
-P1 **实况节奏**（最高优先级）：
+P0 **预报崩盘检测**（最最高优先级）：
+  - 如果数据中出现"🚨 预报崩盘"标记，说明所有模型集体严重高估。
+  - 此时你必须：① 直接宣布预报失准/崩盘；② 以实测最高温为结算锚点；③ 分析可能导致崩盘的原因（冷平流、降水、云量压制等）；④ 禁止再讨论"冲击"预报值。
+  - 如果峰值窗口已过且实测远低于预报，结算已基本确定，应直接给出结算值。
+
+P1 **实况节奏**：
   - 近2-4条METAR的温度走势：连涨/持平/回落？
   - 触发阈值：连续2报创新高 → 升温未止；连续2报未创新高且已过峰值窗 → 偏死盘。
   - 低辐射时段(<100W/m²)仍在升温 → 暖平流驱动，预报往往低估。
@@ -44,11 +49,12 @@ P2 **阻碍因子**：
   - 若阻碍条件未满足，不可凭"多云"单因子就判断"升温受限"。
 
 P3 **数学概率**：
-  - 参考我提供的结算概率分布，但不可用概率去压过 P1 实况节奏。
+  - 参考我提供的结算概率分布，但不可用概率去压过 P0/P1 实况。
   - 概率是辅助判据，实测趋势是主判据。
 
 P4 **预报背景**（最低优先级）：
-  - DEB融合值和预报可用于判断上沿空间和回落节奏，但当实测已超预报时，不可作为"难以升温"的主论据。
+  - DEB融合值和预报可用于判断上沿空间和回落节奏。
+  - 但当实测已远低于预报时，预报值已失去参考意义，不可继续引用。
   - 结算边界：温度处于 X.5 进位线附近时需特别预警。
 
 【输出要求】
@@ -56,8 +62,8 @@ P4 **预报背景**（最低优先级）：
 2. 严格按照以下 HTML 格式输出:
 
 🤖 <b>Groq AI 决策</b>
-- 🎲 盘口: [必须明确指出最热时段（如：预计最热在 14:00-16:00）以及博弈焦点。区分"已确认WU底线 X°C"与"仍有概率冲击 Y°C"。禁止在升温未止时使用"锁定"等封顶措辞。若符合死盘条件，请直接给出死盘结论并说明理由。]
-- 💡 逻辑: [用 3-5 句话深度分析实测与预报的博弈。分析当前动力条件对冲击下一个 WU 整数的支持程度。需包含具体数值。]
+- 🎲 盘口: [若预报崩盘，直接给出"预报集体失准，WU结算锁定X°C"。否则：明确指出最热时段以及博弈焦点。区分"已确认WU底线 X°C"与"仍有概率冲击 Y°C"。禁止在升温未止时使用"锁定"等封顶措辞。若符合死盘条件，请直接给出死盘结论并说明理由。]
+- 💡 逻辑: [用 3-5 句话深度分析。如果预报崩盘，重点分析崩盘原因和实测偏差。如果正常，分析实测与预报的博弈和动力条件。需包含具体数值。]
 - 🎯 置信度: [1-10]/10
 """
 

web/app.py

@@ -271,6 +271,7 @@ def _analyze(city: str) -> Dict[str, Any]:
     # ── 10. Probability distribution ──
     probabilities = []
     mu = None
+    forecast_miss_deg = 0  # How far actual is below forecasts
     if (
         ens_data["p10"] is not None
         and ens_data["p90"] is not None
@@ -314,20 +315,43 @@ def _analyze(city: str) -> Dict[str, Any]:
         elif first_peak_h <= local_hour_frac <= last_peak_h:
             sigma *= 0.7
 
-        # Mu calculation
+        # Mu calculation — reality-anchored
         forecast_highs = [h for h in current_forecasts.values() if h is not None]
         forecast_median = (
             sorted(forecast_highs)[len(forecast_highs) // 2]
             if forecast_highs
             else ens_data["median"]
         )
-        mu = (
-            forecast_median * 0.7 + ens_data["median"] * 0.3
-            if forecast_median is not None
-            else ens_data["median"]
-        )
-        if max_so_far is not None and max_so_far > mu:
-            mu = max_so_far + (0.3 if not trend_info["is_cooling"] else 0.0)
+
+        # Compute forecast miss magnitude
+        if max_so_far is not None and forecast_median is not None:
+            forecast_miss_deg = round(forecast_median - max_so_far, 1)
+
+        # --- Key fix: Reality-anchored μ ---
+        # If we are past or in the peak window AND actual max is significantly
+        # below forecasts, anchor μ on max_so_far, not on forecast_median.
+        if (
+            max_so_far is not None
+            and forecast_median is not None
+            and peak_status in ("past", "in_window")
+            and max_so_far < forecast_median - 2.0
+        ):
+            # Forecast bust: μ anchors on actual max, not failed predictions
+            # Allow small upward margin only if still warming
+            if trend_info["is_cooling"] or peak_status == "past":
+                mu = max_so_far
+            else:
+                # Still in window and warming — small margin
+                mu = max_so_far + 0.5
+        else:
+            # Normal case: blend forecast and ensemble
+            mu = (
+                forecast_median * 0.7 + ens_data["median"] * 0.3
+                if forecast_median is not None
+                else ens_data["median"]
+            )
+            if max_so_far is not None and max_so_far > mu:
+                mu = max_so_far + (0.3 if not trend_info["is_cooling"] else 0.0)
 
         def _norm_cdf(x, m, s):
             return 0.5 * (1 + math.erf((x - m) / (s * math.sqrt(2))))
@@ -478,6 +502,20 @@ def _analyze(city: str) -> Dict[str, Any]:
             )
             ai_parts.append(f"模型分歧: {mm_str}")
 
+        # --- Forecast bust detection for AI ---
+        if forecast_miss_deg > 2.0 and peak_status in ("past", "in_window"):
+            min_forecast = min(
+                (v for v in current_forecasts.values() if v is not None), default=None
+            )
+            ai_parts.append(
+                f"🚨 预报崩盘: 所有模型集体高估！最低预报 {min_forecast}{sym} vs 实测最高 {max_so_far}{sym}，"
+                f"偏差 {forecast_miss_deg}°。已进入/过了峰值窗口，温度严重不达预期。"
+            )
+        elif forecast_miss_deg > 4.0 and peak_status == "before":
+            ai_parts.append(
+                f"⚠️ 预报差距: 距峰值窗口尚有时间，但实测已落后预报 {forecast_miss_deg}°。"
+            )
+
         ai_context = "\n".join(ai_parts)
         ai_text = get_ai_analysis(ai_context, city, sym)
     except Exception as e: