北京
大多数天气应用的目标是让你多刷一会儿。PLOT 反着来：它加载真实天气，用 TabPFN 读你这一天，然后给你三个具体步骤，指望你关掉屏幕。
这是一个 Hacktoberfest 开源 AI 挑战第一周（Touch Grass ）的提交项目。它的核心承诺只有一句：屏幕的任务，在一分钟内结束。
它到底回答什么问题
你选一个地点，或者直接共享定位。真实天气数据加载进来。TabPFN——一个开放的表格基础模型——把你的这一天当成霜冻表里的一行来读，然后给出三个答案之一：
- ⏸️ 等一等
- 出去走走
- 去打理花园
给出答案之后，它递给你三步清单，然后期待你离开。目标用户很明确：任何有院子、阳台或者附近有公园，却把天气预报翻来覆去过度思考、迟迟不出门的人。
数据是真的，不是合成的
这是作者最在意的部分。没有假温度。
训练数据来自 Open-Meteo 历史 API 的 ERA5 数据，覆盖 12 座城市 × 7 年的每日记录。经过特征工程后，生成 30684 行真实数据，落在 outdoor_history.csv 里。
特征包括：从最低温 0℃ 推算的 days_since_last_frost（距上次霜冻天数）、土壤湿度、风速、日照时长。标签则来自 backend/labels.py 里一套透明的园艺启发式规则——无霜日、降水、风速边界。
TabPFN 学的是表格里的模式，不是聊天散文。作者对此说得很直白。
60 秒看懂流程
整条链路是这样跑的：
- 你选城市或用定位
- Open-Meteo 提供今日温度、降雨、风、土壤，以及 92 天霜冻窗口
- TabPFN 分类：等待、散步、园艺，并给出类别概率
- 输出三步清单
- 你放下手机
用户旅程里有个具体例子：打开网站、选波特兰，界面请求 /api/weather，Open-Meteo 返回真实温度、霜冻滞后、土壤数据；点击获取户外信号，界面把数据 POST 到 /api/check，TabPFN 返回「园艺，83% 置信度」，界面给出三步清单，然后你走向你的院子。
架构与部署
浏览器端是静态 UI。后端跑在 Render 上，用 FastAPI（backend/main.py），核心是 OutdoorEngine 和 TabPFNClassifier。数据层是那份 30684 行的 CSV，天气层是 weather.py，对接 Open-Meteo 并带兜底方案。
模型调用很简洁：
TabPFNClassifier()初始化model.fit(X_train, y_train)喂真实行model.predict_proba(X_today)输出等待/散步/园艺
这是一个开放权重的表格模型，可以随时替换而不必重写产品。
天气接口 GET /api/weather?lat=&lon= 返回今日状况加霜冻滞后。主路径是 Open-Meteo 预报，带 past_days=92 取霜冻历史；兜底路径是在免费托管触发限流时，用最近城市当天的真实 ERA5 行顶上。
部署用 render.yaml 蓝图，健康检查在 /api/healthz，TABPFN_TOKEN 放在环境变量里，从不提交。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
