Earth2Studio 组件发现
为天气和气候任务筛选合适的模型、数据源与示例。
技能明确限制为发现与推荐，不执行安装、下载或推理代码，主要依赖读取公开文档并要求引用来源；未说明用户数据、网络请求隐私、确认机制、回滚或依赖安全，因此扣分。
步骤、输入提取、文档分类、兼容性检查和故障排查较清晰；但核心依赖实时外部文档，缺少可执行复现、自动化测试和更完整的异常反馈，按静态校准不超过10分。
目标用户、天气气候场景、任务类型、硬件约束、输出结构和不适用范围较明确；未提供中文交互支持，且核心功能依赖海外文档站点，可能影响中国大陆网络可达性，因此扣分。
包含版本、Apache-2.0许可、作者、用途、限制、排障和所有权信息；但缺少独立的Instructions和Examples章节，维护更新路径、变更记录、依赖安装说明也不完整，因此扣分。
能够指导模型、数据源、词典兼容性和示例发现，预期输出结构直接可用；但所有建议依赖实时页面，技能自身未提供代表性结果或静态可复核输出，静态评估按上限谨慎给分。
提供固定文档来源、词典核验方法、评测任务和基准报告；但基准结果主要是文件内声明，缺少可见CI、提交测试或独立交叉验证，因此只能给有限分数。
- 核心建议依赖实时 nvidia.github.io 页面；页面变更、失效或网络不可达时，结果可能不完整或无法生成。
- 词典兼容性检查在仅有文档访问时可能是近似判断，不应把推荐视为运行时验证。
- 评测报告未提供可见的CI工作流、测试实现或逐任务原始证据，基准分数应视为有限佐证。
- 技能不处理安装、下载、推理代码或运行时调试，用户可能需要其他技能完成后续工作。
这个 Skill 能做什么，适合哪些场景？
该技能帮助用户为天气或气候任务发现 Earth2Studio 模型、数据源和示例。它根据任务类型、区域、时间尺度、变量、GPU 显存以及确定性或集合预测需求筛选候选组件。技能要求先查阅 NVIDIA Earth2Studio 在线文档，并通过模型输入变量与数据源词汇表核验兼容性。它不负责安装、下载数据、编写推理代码、训练模型或运行时调试。
它会理解用户的任务需求，访问 nvidia.github.io/earth2studio 上相关的模型、数据源和示例页面，读取模型的 Class、Region、VRAM 和 Release 标记，整理候选模型，并检查模型 input_coords 所需变量是否包含在数据源 lexicon 的 VOCAB 中。它还会推荐 1 至 3 个相关示例并提供文档链接；必要时最多提出 3 个澄清问题。
- 天气研究人员需要比较不同 GPU 或显存条件下可用的中期预报模型。
- 气候应用开发者需要为降尺度、超分辨率或派生诊断任务寻找诊断模型和示例。
- 数据工程师需要确认历史再分析、实时预报或观测数据源是否覆盖目标模型的输入变量。
- 气象建模团队需要选择确定性预测或集合预测流程，并查找相应的 Earth2Studio gallery 示例。
- 研究人员需要为资料同化、季节预测或次季节预测任务定位合适的模型类别。
这个 Skill 有哪些优点和局限？
- 强调从实时文档获取模型、数据源和示例信息，减少静态目录过时的风险。
- 使用 Class、Region、VRAM 和 Release 标记筛选模型。
- 通过 lexicon VOCAB 与模型 input_coords 核验数据源兼容性。
- 覆盖预报、降尺度、集合生成、资料同化、季节预测和派生诊断等发现任务。
- 明确区分组件发现与安装、推理编码、训练和调试。
- 必须能够访问 NVIDIA Earth2Studio 在线文档。
- 推荐结果会受到实时文档更新、徽章缺失或页面改名影响。
- 完整的 lexicon 兼容性检查可能需要访问 Earth2Studio 源代码。
- 技能本身不安装软件、不下载数据，也不生成推理代码。
如何安装这个 Skill？
使用仓库 README 中的 skills CLI 安装指定技能：npx skills add nvidia/skills --skill earth2studio-discover --yes。也可以指定 Codex：npx skills add nvidia/skills --skill earth2studio-discover --agent codex --yes。源材料未说明其他安装方式或运行环境要求。
如何使用这个 Skill？
安装后，在需要选择 Earth2Studio 组件时向代理提出具体请求，例如：“我需要全球 10 天中期集合预报，GPU 显存为 48GB，请查找合适的模型、兼容数据源和示例。”技能会根据任务、区域、时间尺度、变量和硬件约束查阅在线文档，并返回带链接的短名单。不要用于安装 Earth2Studio、下载数据或编写推理代码。