---

name: fluid-model description: 获得预测管网的调度能力。在 Windows 环境下按算例(001-264,默认001)修改控制CSV(Boundary等)、就地patch批量job-config、运行 real_predict 并汇总/对比输出。 dependencies:

• python>=3.9

---

最关键的两个绝对路径前缀-请务必记住！！重要

比如python -m real_predict.main ... 整个流体模型项目的代码都是在这个项目路径下面，后续的都是相对路径，如果你使用 WorkspaceTools 的 run_command：real_predict 必须传 cwd=<项目根目录绝对路径>，但是scripts是属于SKILL里面的路径，就是之前的项目路径，可以不用cwd。只有real_predict或者mock_data需要到fluid_model的根目录下面去执行。当遇到路径的脚本不存在的时候反复思考是不是路径写错了，再结束对话。

[SKILL-PATH-PREFIX]: "D:/ml_pro_master/gis_pipeline_llm/backend/agent/skills/fluid-model" 这个是关于这个预制SKILL的脚本的代码都放在这里。也支持自定义脚本在 [SKILL-PATH-PREFIX]/temporary_scripts 目录下创建。

real_predict 批量预测工作流

这个 Skill 专注于一个可重复的流程：
选算例 →（按场景）修改控制 CSV → patch job-config → 执行 python -m real_predict.main ... → 阅读输出 →（可选）对比“修改前/后”差异。

设计目标：低自由度、少手工编辑、可反复迭代多个“特殊变化”场景。

---

强制规则（必须照做）

0) 预测算例选择规则（001–264）

• 允许范围：第001个算例 ～ 第264个算例
• 默认：用户没说 / 说错 / 超范围 → 默认使用第001个算例

1) 路径与工作目录规则

• 所有关键路径都建议使用绝对路径（尤其是 job-config 的 sample_dir / output）。因为现在有多个路径的文件还需要考虑。

2) output 必须写到“新文件夹”

• 每次运行都必须把 jobs[x].output 指到一个新的输出目录，避免覆盖旧结果。
• 本 Skill 默认把输出放到：
  [PROJECT-PATH-PREFIX]/real_predict/examples/_runs/<run_tag>/<原output最后一级目录名>/

两种使用方式

A. 一次性快速改 Boundary.csv（你给的命令形式）

适用：你只想改某一列（默认整列全改），并希望能对比“改前/改后”。

1) 修改（会自动生成备份）

默认：不指定行/时间范围时，会修改 该列的所有数据行。

Copypython [SKILL-PATH-PREFIX]/scripts/modify_boundary.py \
  --boundary-file "[PROJECT-PATH-PREFIX]/data/dataset/mock_test/第001个算例/Boundary.csv" \
  --column "T_001:SNQ" \
  --value 1200

可选：只改某一段时间（需要 CSV 有 TIME 列）：

Copypython [SKILL-PATH-PREFIX]/scripts/modify_boundary.py \
  --boundary-file "[PROJECT-PATH-PREFIX]/data/dataset/mock_test/第001个算例/Boundary.csv" \
  --column "T_001:SNQ" \
  --value 1200 \
  --start-time "2025/1/1 6:00" \
  --end-time "2025/1/1 12:00"

2) 对比修改前后到底哪些数据不一样（自动找“最新备份”）

Copypython [SKILL-PATH-PREFIX]/scripts/diff_boundary.py \
  --boundary-file "[PROJECT-PATH-PREFIX]/data/dataset/mock_test/第001个算例/Boundary.csv" \
  --column "T_001:SNQ"

输出：

• 控制台打印差异统计
• 同目录生成：
  • diff_Boundary_YYYYMMDD_HHMMSS.md
  • diff_Boundary_YYYYMMDD_HHMMSS.csv

Windows 说明：

• 如果你用 CMD / PowerShell，不支持 \ 续行，请把命令写成一行，或者用 PowerShell 的反引号续行。
• 脚本本身不依赖 bash / bin / shebang。

---

B. 完整批量预测工作流（0→4，可反复迭代）

Step 0：写 plan.json（推荐用于多次迭代）

把 plan 放到（示例）： [PROJECT-PATH-PREFIX]/real_predict/examples/_runs/<run_tag>/plan.json

plan 模板见：[SKILL-PATH-PREFIX]/reference/plan_schema.md 与 [SKILL-PATH-PREFIX]/examples/plan_example_001.json

Step 1：校验 plan（避免跑到一半才发现路径/列名错）

Copypython [SKILL-PATH-PREFIX]/scripts/validate_plan.py --plan "[PROJECT-PATH-PREFIX]/real_predict/examples/_runs/<run_tag>/plan.json"

Step 2：按 plan 修改控制 CSV（可多条 change）

Copypython [SKILL-PATH-PREFIX]/scripts/apply_csv_changes.py --plan "[PROJECT-PATH-PREFIX]/real_predict/examples/_runs/<run_tag>/plan.json"

Step 3：就地 patch job-config（修改 sample_dir/output 指向新目录）

Copypython [SKILL-PATH-PREFIX]/scripts/patch_job_config_inplace.py --plan "[PROJECT-PATH-PREFIX]/real_predict/examples/_runs/<run_tag>/plan.json"

Step 4：执行预测（严格按要求）

Copypython -m real_predict.main --job-config "[PROJECT-PATH-PREFIX]/real_predict/examples/batch_jobs_full_value_projection_small.json"
cwd=[PROJECT-PATH-PREFIX]

Step 5：汇总输出目录

Copypython [SKILL-PATH-PREFIX]/scripts/summarize_output.py --plan "[PROJECT-PATH-PREFIX]/real_predict/examples/_runs/<run_tag>/plan.json"

然后读取： [PROJECT-PATH-PREFIX]/real_predict/examples/_runs/<run_tag>/summary.md

---

迭代多个“特殊变化”的推荐做法

• 每个变化场景一个新的 run_tag
• 只改 plan.json 里的 csv_changes（或者用 modify_boundary 快速修改）
• 每次都生成新 output 文件夹
• 每次都跑完：validate → apply → patch → predict → summarize
• 如果需要临时定义Scripts自定义修改的模式，可以在 [SKILL-PATH-PREFIX]/temporary_scripts 目录下创建脚本。