AmandaloveYang
231 lines
10 KiB
Markdown
231 lines
10 KiB
Markdown
# 🌡️ PolyWeather: 实时天气查询与分析机器人
|
||
|
||
专为预测市场和天气博弈设计的智能天气机器人。通过绕过 CDN 缓存直接从全球气象站获取最新数据，并提供**模型共识评分**和**入场时机信号**等通俗易懂的自动趋势分析。
|
||
|
||
## 🚀 快速开始
|
||
|
||
### 环境要求
|
||
|
||
- **Python 3.11+**
|
||
- 依赖安装: `pip install -r requirements.txt`
|
||
- **环境变量**: 在 `.env` 中设置 `TELEGRAM_BOT_TOKEN`（必需）。可选设置 `METEOBLUE_API_KEY` 以激活伦敦高精度预报。
|
||
|
||
### VPS 部署 (推荐)
|
||
|
||
**首次部署：**
|
||
|
||
```bash
|
||
git clone https://github.com/yangyuan-zhen/PolyWeather.git
|
||
cd PolyWeather
|
||
pip install -r requirements.txt
|
||
cp .env.example .env # 编辑 .env 填入你的 Token 和 API Key
|
||
```
|
||
|
||
**创建一键更新脚本（只需执行一次）：**
|
||
|
||
```bash
|
||
cat > ~/update.sh << 'EOF'
|
||
#!/bin/bash
|
||
cd ~/PolyWeather
|
||
git fetch origin
|
||
git reset --hard origin/main
|
||
pkill -f run.py
|
||
pkill -f bot_listener.py
|
||
sleep 1
|
||
nohup python3 run.py > bot.log 2>&1 &
|
||
echo "✅ 已更新并重启！"
|
||
EOF
|
||
chmod +x ~/update.sh
|
||
```
|
||
|
||
**日常更新（每次代码推送后）：**
|
||
|
||
```bash
|
||
~/update.sh
|
||
```
|
||
|
||
> 一条命令完成：拉取最新代码 → 杀旧进程 → 启动新进程。无需手动处理分支冲突。
|
||
|
||
### 本地开发 (Windows)
|
||
|
||
```bash
|
||
py -3.11 run.py
|
||
```
|
||
|
||
> 本地笔记本**不需要安装依赖**，只用来编辑代码和 Git 推送。IDE 的 import 报错是因为本地没装依赖，不影响 VPS 运行。
|
||
|
||
---
|
||
|
||
## 🤖 Telegram 机器人指令
|
||
|
||
| 指令 | 功能 | 说明 |
|
||
| :------------- | :--------------- | :------------------------------- |
|
||
| `/city [城市]` | **查询城市天气** | 获取详细预报、机场实测与趋势分析 |
|
||
| `/id` | **获取 Chat ID** | 获取当前 Telegram 聊天 ID |
|
||
| `/help` | **帮助** | 显示所有可用指令 |
|
||
|
||
### 支持的城市
|
||
|
||
| 城市 | 缩写/别名 | METAR 机场 | 额外数据源 |
|
||
|:---|:---|:---|:---|
|
||
| 伦敦 London | `lon`, `伦敦` | EGLC (City Airport) | Meteoblue |
|
||
| 巴黎 Paris | `par`, `巴黎` | LFPG (Charles de Gaulle) | — |
|
||
| 安卡拉 Ankara | `ank`, `安卡拉` | LTAC (Esenboğa) | MGM |
|
||
| 纽约 New York | `nyc`, `ny`, `纽约` | KLGA (LaGuardia) | NWS |
|
||
| 芝加哥 Chicago | `chi`, `芝加哥` | KORD (O'Hare) | NWS |
|
||
| 达拉斯 Dallas | `dal`, `达拉斯` | KDAL (Love Field) | NWS |
|
||
| 迈阿密 Miami | `mia`, `迈阿密` | KMIA (International) | NWS |
|
||
| 亚特兰大 Atlanta | `atl`, `亚特兰大` | KATL (Hartsfield-Jackson) | NWS |
|
||
| 西雅图 Seattle | `sea`, `西雅图` | KSEA (Sea-Tac) | NWS |
|
||
| 多伦多 Toronto | `tor`, `多伦多` | CYYZ (Pearson) | — |
|
||
| 首尔 Seoul | `sel`, `首尔` | RKSI (Incheon) | — |
|
||
| 布宜诺斯艾利斯 Buenos Aires | `ba`, `布宜诺斯艾利斯` | SAEZ (Ezeiza) | — |
|
||
| 惠灵顿 Wellington | `wel`, `惠灵顿` | NZWN (Wellington) | — |
|
||
|
||
### 使用示例
|
||
|
||
```
|
||
/city 巴黎
|
||
/city london
|
||
/city par
|
||
```
|
||
|
||
---
|
||
|
||
## ✨ 核心功能
|
||
|
||
### 1. 🏛️ 多源数据融合
|
||
|
||
| 数据源 | 数据角色 | 覆盖范围 | 优势 |
|
||
| :---------------------- | :------------- | :--------- | :----------------------------------------------------------- |
|
||
| **Open-Meteo** | 基础预测 | 全球 | 72h 逐小时温度曲线、日出日落、**日照时长**、**短波辐射** |
|
||
| **Open-Meteo Ensemble** | **不确定性区间** | 全球 | 51 成员集合预报：中位数、P10、P90 散度用于置信度评估 |
|
||
| **Meteoblue (MB)** | **高精度共识** | 仅限伦敦 | 聚合多家模型，对微气候处理极佳 |
|
||
| **METAR** | **结算标准** | 全球机场 | Polymarket 结算参考的绝对真理，实时机场观测 |
|
||
| **NWS** | 官方预测(美) | 仅限美国 | 美国国家气象局高精度预报 |
|
||
| **MGM** | 官方预测(土) | 仅限安卡拉 | 土耳其气象局：气压、云量、体感温度、24h 降水 |
|
||
|
||
### 2. ⚡ 超新鲜数据 (零缓存)
|
||
|
||
- **动态时间戳**：每个 API 请求都附带唯一令牌，强制服务器绕过 CDN 缓存。
|
||
- **MGM 实时同步**：针对土耳其 MGM API 做了专门的 Header 伪装和时区校正。
|
||
|
||
### 3. 🎯 模型共识评分（新功能）
|
||
|
||
机器人自动评估各预报源的一致程度，分为三个等级：
|
||
|
||
| 等级 | 条件（摄氏/华氏） | 含义 |
|
||
|:---|:---|:---|
|
||
| 🎯 **高共识** | 极差 ≤ 0.8°C / 1.5°F | 所有模型高度收敛 — 高置信，低风险 |
|
||
| ⚖️ **中共识** | 极差 ≤ 1.5°C / 3.0°F | 轻微分歧 — 中等置信 |
|
||
| ⚠️ **低共识** | 极差 > 1.5°C / 3.0°F | 模型严重分歧 — 不确定性大，建议观察 |
|
||
|
||
参与评分的数据源：Open-Meteo (OM)、Meteoblue (MB)、NWS、MGM — 仅限**独立**预报源。集合预报中位数不参与共识评分，避免与 Open-Meteo 确定性预报双重计数。
|
||
|
||
**核心逻辑**：当 3 个及以上模型在温度区间上高度收敛，而市场定价尚未反映时，这就是典型的**结构性定价错误**——低风险套利的黄金机会。
|
||
|
||
### 4. 📊 集合预报散度（新功能）
|
||
|
||
从 Open-Meteo 获取 51 成员集合预报，量化预测不确定性：
|
||
|
||
> 📊 **集合预报**：中位数 10.8°C，90% 区间 [9.5°C - 12.1°C]，波动幅度 2.6°。
|
||
|
||
区间窄 = 大气状态明确，预报可信。区间宽 = 大气混沌，风险高。
|
||
|
||
### 5. ⏰ 入场时机信号（新功能）
|
||
|
||
综合三个因子打分，给出入场建议：
|
||
|
||
| 因子 | 分值 |
|
||
|:---|:---|
|
||
| 最热已过 | +3 |
|
||
| 距峰值 ≤ 2h | +2 |
|
||
| 距峰值 ≤ 4h | +1 |
|
||
| 模型高共识 | +2 |
|
||
| 模型中共识 | +1 |
|
||
| 实测 ≈ 预报（差 ≤ 0.5°）| +2 |
|
||
| 实测接近预报（差 ≤ 1.5°）| +1 |
|
||
|
||
| 总分 ≥ | 信号 | 建议 |
|
||
|:---|:---|:---|
|
||
| 5 | ⏰ **理想** | 不确定性低，适合下注 |
|
||
| 3 | ⏰ **较好** | 可以考虑小仓位入场 |
|
||
| 2 | ⏰ **谨慎** | 建议继续观察 |
|
||
| <2 | ⏰ **不建议** | 不确定性大，等更多数据 |
|
||
|
||
**核心理念**：拒绝过早布局，选择接近解析时刻、波动率压缩时晚入场，降低不确定性风险。
|
||
|
||
### 6. 🧠 智能趋势分析（通俗语言）
|
||
|
||
机器人自动生成人类可读的分析洞察：
|
||
|
||
- **🚨 预报击穿预警**：当 METAR 实测最高温超过所有预报时自动警报。
|
||
- **⏱️ 峰值时段预测**：精确预测当日最高温出现的时间窗口。
|
||
- **🌬️ 风向交叉验证**：同时对比 METAR 和 MGM 风向数据，差异超 90° 自动告警。
|
||
- **🍃 风速分析**：标注风速并结合风向判断对温度的影响。
|
||
- **☁️ 云层遮挡分析**：评估云量对升温潜力的影响（晴天/多云/阴天）。
|
||
- **📉 气压分析**：低气压意味着暖湿气流过境，有利升温。
|
||
- **🌧️ 降雨检测**：交叉验证 METAR 天气代码和实际降水量，避免误报。
|
||
- **📊 最高温时间追踪**：精确显示每日最高温出现的时间（如 `最高: 12°C @14:20`）。
|
||
- **☀️ 天气状况一览**：综合 METAR 天气现象 + 云量，生成一目了然的天气图标 + 文字（如 `⛅ 晴间多云`）。
|
||
- **🌤️ 太阳辐射分析**：追踪累计短波辐射 vs 全天总量；当云层严重遮挡阳光时发出预警。
|
||
- **🌙 暖平流检测**：当最高温出现在太阳辐射为零的时段（如凌晨 3 点），自动识别并标注"气温由暖空气推高，而非太阳晒热"。
|
||
|
||
### 7. 📊 风险等级
|
||
|
||
每个城市都有基于机场-市区距离的数据偏差风险档案：
|
||
|
||
- 🔴 **高危**：首尔 (48.8km)、芝加哥 (25.3km) — 偏差大
|
||
- 🟡 **中危**：安卡拉 (24.5km)、巴黎 (25.2km)、达拉斯、布宜诺斯艾利斯 — 有系统偏差
|
||
- 🟢 **低危**：伦敦 (12.7km)、惠灵顿 (5.1km) — 数据靠谱
|
||
|
||
### 8. 🌅 增强显示
|
||
|
||
- **日出日落 + 日照时长**：`🌅 07:34 | 🌇 18:29 | ☀️ 9.9h`
|
||
- **天气状况一目了然**：`✈️ 实测 (METAR): 9°C | ⛅ 晴间多云 | 15:00`
|
||
- **WU 结算预览**：显示 Wunderground 四舍五入后的值，方便结算参考。
|
||
|
||
---
|
||
|
||
## 🏗️ 系统架构
|
||
|
||
```mermaid
|
||
graph TD
|
||
User[/Telegram User/] --> Bot[bot_listener.py]
|
||
Bot --> Collector[WeatherDataCollector]
|
||
|
||
subgraph "数据引擎"
|
||
Collector --> OM[Open-Meteo API]
|
||
Collector --> ENS[Open-Meteo Ensemble]
|
||
Collector --> MB[Meteoblue API]
|
||
Collector --> NOAA[METAR / NOAA]
|
||
Collector --> MGM[Turkish MGM API]
|
||
Collector --> NWS[US NWS API]
|
||
end
|
||
|
||
Collector --> Processing[共识评分 & 趋势分析]
|
||
Processing --> Bot
|
||
Bot --> Response[/附带入场信号的天气快照/]
|
||
```
|
||
|
||
- **逻辑解耦**：`weather_sources.py` 负责数据获取与解析；`bot_listener.py` 负责分析与渲染。
|
||
- **城市配置**：`city_risk_profiles.py` 包含所有 METAR 机场映射和风险评估。
|
||
- **集合预报集成**：51 成员集合预报参与共识评分，并提供 P10/P90 不确定性区间。
|
||
|
||
---
|
||
|
||
## 🎯 博弈策略提示
|
||
|
||
1. **看模型共识**：🎯/⚖️/⚠️ 评级让你一眼判断预报是否可靠。高共识 + 市场低定价 = 套利机会。
|
||
2. **用入场信号**：等 ⏰ **理想** 或 **较好** 时机再下注。不确定性高时绝不提前入场。
|
||
3. **关注集合散度**：90% 区间越窄（< 2°），模型置信越高 — 这才是 edge 所在。
|
||
4. **紧盯峰值窗口**：在预测的峰值时段频繁使用 `/city` 刷新。
|
||
5. **结算优先级**：结算永远以 **METAR** 数据为准，通过 Wunderground 四舍五入到整数。
|
||
6. **地理风险**：重点关注高危城市（如首尔、芝加哥）的偏差警告。
|
||
7. **太阳辐射线索**：如果机器人报告"暖平流驱动" 🌙，说明温度由暖空气推高 — 这种模式经常打破模型预测。
|
||
8. **风向冲突**：METAR 和 MGM 风向相反时，温度波动风险增大。
|
||
|
||
---
|
||
|
||
_最后更新: 2026-02-21_
|