WallpaperMachine
The wallpapers you love. A new home on your Mac.
VoyageGuard · 出行气象决策 Agent
Translation pending
LifestylePython · HTMLGitHub @wenboxiaOnlineOwner unconfirmed
Have you tried it? One tap is enough. No sign-in needed.
No updates detected yet. GitHub releases will appear here.
Owners of public repositories under a personal GitHub account can sign in to verify ownership and manage the introduction themselves. No administrator approval is needed.
Sign in, generate a verification file, and commit it to this repository’s default branch within 30 minutes. Files on other branches or forks do not count. Then check the file below to manage the project without administrator approval. Keep the file to retain your access.
If needed, you will go to sign-in. After signing in, return here and press your chosen verification button again.
Run /nomorevibe verify in your project folder to verify ownership and manage the introduction yourself.
Verify in one minuteAsk about other verification options
Loading the full README. The saved excerpt is shown below.
场景 大风天出行前,判断航班或船班的气象风险 输入 出发地、目的地、日期(今天起 3 天)、飞机或船只 输出 风险等级 + 越过的官方判定线及出处;必需证据不足时输出 UNKNOWN 不做 不预测是否停航,由承运人与主管部门决定(依据: 交通运输部答复函 ) 真实运行结果(烟台 → 大连,船只,2026-09-30 预报):左栏为结论与 5 条带出处的触发项,右栏为风险分析、备选建议与执行轨迹 打开 voyageguard-two.vercel.app(无需登录),示例输入: 北京 → 西安(船只):执行轨迹止于 abstention_gate ,未调用模型 未弃权的全部判 LOW ,最终由规则引擎弃权 · L1 为 2026-09-01 运行结果,L2 / L3 为 2026-09-29 实跑(评测脚本不落盘)· 完整数据见 docs/evaluation.mdRead the full README ↗
订了船票机票,遇上大风天,到底还走不走?
打开 voyageguard-two.vercel.app(无需登录),示例输入:
| 输入 | 结果 |
|---|---|
烟台 → 大连 船只 | 除两端港口外,还采样航线中点 |
北京 → 西安 船只 | 两端不临海 → UNKNOWN |
上海 → 南极 飞机 | 南极不在机场清单 → UNKNOWN |
每个请求经过三段处理:
| 机制 | 做法 | 代码 |
|---|---|---|
| 必需证据由代码预取 | 调用模型前取好判定所需的风速、能见度、浪高,以 JSON 注入 | evidence.py |
| ReAct 补充证据 | 模型按需调用预警搜索、第三地天气,最多 5 轮;补充证据不进规则引擎 | agent.py |
| 规则引擎判定 | 越线而模型判低 → 升级;模型判 HIGH 而指标不支持 → 降级;模型超时或出错 → 单独出结论 | rules.py |
| 证据不足即弃权 | 缺必需证据 → UNKNOWN,不调用模型 | app.py · rules.py |
| 触发项附出处 | 按来源类型标注:REG 法规 / WARN 官方预警 / PROD 产品规则 | rules_sources.py |
| 前提校验 | 航空查机场清单;地名先核对名字,再做海域回验 | evidence.py |
| 沿航路采样 | 船舶航线每约 200 km 取一个点,最多 5 个 | evidence.py |
| 层 | 测什么 | 规模 | 结果 |
|---|---|---|---|
| L1 推理 | 给定数据下模型的判断 | 39 条用例 × 4 家模型 | 见下表 |
| L2 集成 | 真实网络与模型的端到端结论,含 3 组故障注入 | 10 组场景 | 全部通过 |
| L3 数据充分性 | 必需数据是否取到(零 token) | 190 条断言 | 全部通过 |
| L4 真实回验 | 阈值与真实停航 / 通航是否吻合(零 token) | 25 条记录 | 误报率 0%;漏判 9 条 |
| L1 模型 | 模型自己判 | 经规则引擎后 | 缺数据时主动弃权 |
|---|---|---|---|
| deepseek-v4-pro(生产) | 89.7% | 100% | 2 / 6 |
| kimi-k3 | 87.2% | 100% | 1 / 6 |
| glm-5 | 71.8% | 100% | 0 / 6 |
| qwen-plus | 56.4% | 100% | 0 / 6 |
未弃权的全部判 LOW,最终由规则引擎弃权 · L1 为 2026-09-01 运行结果,L2 / L3 为 2026-09-29 实跑(评测脚本不落盘)· 完整数据见 docs/evaluation.md
| 边界 | 说明 |
|---|---|
| 台风预警未建模 | L4 的 9 条漏判中 7 条与台风相关 |
| 内河与湖泊不覆盖 | 适用另一套官方标准,与海事判据不通用 |
| 不核实航线是否存在 | 只校验两端各自可评估(机场在清单内、港口临海) |
三条 PROD 规则为产品决策 | 小船遇海浪蓝色预警、航空平均风 ≥ 15 m/s、航空雷暴 |
pip install -r requirements.txt
# 默认 Qwen;换模型设 VOYAGEGUARD_PROVIDER 及对应 Key
echo "DASHSCOPE_API_KEY=your_key_here" > .env
uvicorn app:app --reload # 打开 http://localhost:8000
python -m evals.l3_sufficiency # 确定性断言,无需 API Key
| 文档 | 内容 |
|---|---|
| 架构细节 | 证据分层、弃权触发条件、规则引擎、地名解析、航路建模 |
| 知识库 | 全部阈值与出处(由代码生成) |
| 评测 | 四层设计、断言清单、完整数字与图表 |
| 已知边界 | 能力边界、判据局限、评测方法局限、工程取舍 |