北京
一个反着做的天气应用
大多数天气应用的目标是让你多刷一会儿。PLOT 的目标正好相反：看完就走。
你选一个地点，或者直接共享定位，真实天气数据加载进来。然后 TabPFN——一个开放的表格基础模型——把你这一天的天气当成表格里的一行来读，给出三个答案之一：等一等、去散步、去打理花园。
接着它给你三条具体步骤，然后指望你关掉屏幕出门。整个界面的任务，被压缩在一分钟以内。
它到底给谁用
目标用户说得很直白：家里有院子、有阳台，或者附近就有公园，但习惯把天气预报翻来覆去地看、却迟迟不出门的那批人。
这个定位本身就挺有意思。它不解决"天气怎么样"的问题，它解决"知道了天气之后你到底动不动"的问题。
数据是真的，不是编的
这个项目最在意的部分，是训练数据。没有假温度。
数据来自 Open-Meteo 的历史接口（ERA5），覆盖 12 座城市、7 年的逐日记录。经过特征工程后，落成一张真实表格 outdoor_history.csv。
特征包括几项：
- 距上次霜冻的天数，由最低温 0℃ 推算
- 土壤湿度
- 风速
- 日照时长
标签不是模型瞎猜的，而是来自一套透明的园艺经验规则，写在 labels.py 里——无霜日、降水、风速边界。TabPFN 学的是这张表里的模式，不是聊天文本。作者自己也把这一点讲得很清楚。
流程拆开看就四步
第一步，你选城市或用定位，前端向 Open-Meteo 请求真实天气。
第二步，后端拿到今日气温、降水、风速、土壤数据，同时拉取 92 天的霜冻窗口。
第三步，TabPFN 做分类，输出 wait、walk、garden 三个类别以及各自的概率。比如演示里给出的结果是 garden，置信度 83%。
第四步，界面给你一张三步清单，然后结束。清单的终点是门口。
技术选型上的几个取舍
TabPFN 用的是开放权重版本，通过 tabpfn_client 调用，fit 真实行、predict_proba 出结果。作者强调的一点是：这个模型可以换掉，而不用重写整个产品。
天气接口有主备两条路。主路是 Open-Meteo 预报，带 past_days=92 拿霜冻历史；备用路是在免费托管被限流时，取最近城市的真实 ERA5 行，对应今天的日历日。
部署在 Render 上，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。
界面刻意做得很克制：没有聊天气泡，没有紫色渐变，一个品牌、一个行动按钮、一张结果卡。城市预设覆盖 12 种气候，支持浏览器定位，支持刷新实时天气。
为什么这件事值得用表格模型
作者给出的理由很直接：霜冻和种植决策本身就是表格形态的数据。它们属于电子表格，不属于聊天线程。
一个封闭的聊天接口，拿到"距上次霜冻 208 天"这种字段，未必知道该怎么处理。而 TabPFN 就是为这种列而生的。
隐私方面，定位不被存储，天气按请求实时拉取。训练表随仓库一起发布，可以审计。离线路径也留了：CSV 加开放模型的组合，意味着在缓存了数据行的情况下，一台笔记本就能在野外跑起来。
顺带一提，首次在 Render 免费层加载，服务唤醒大约需要 30 秒。
它想让你做的事只有一件
PLOT 是 Hacktoberfest 第一周"Touch Grass"主题的参赛项目。它的口号是：离开屏幕，照料土地。
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.
