meteorology-driver-classification — скилл
Скилл meteorology-driver-classification раскладывает переменные климатического датасета по группам «тепло», «поток», «ветер» и «человек», чтобы считать вклад каждой в изменения системы.
MIT 2 установок ★ 1 933 обновлён 2026-10-24
npx skills add benchflow-ai/skillsbench --skill meteorology-driver-classification -a claude-codeЧто делает meteorology-driver-classification
Скилл раскладывает переменные окружающей среды по четырём группам: «тепло», «поток», «ветер», «человек». В «тепло» уходят температура воздуха и поверхности, коротковолновая и длинноволновая радиация, влажность, облачность. В «поток» попадают осадки, приток, отток, сток, испарение, грунтовый поток. «Ветер» собирает скорость и направление, порывы, атмосферное давление. В «человеке» застроенная площадь, сельхозугодья, водонепроницаемые поверхности, плотность населения, промышленный выпуск, темп смены землепользования.
Дальше скилл ведёт по шагам: перечислить все колонки датасета, разложить каждую по физическому смыслу, при необходимости собрать производные переменные. Пример в тексте — сложить Longwave и Shortwave в NetRadiation на pandas. На выходе проверка: переменные одной группы должны коррелировать и грузиться на ожидаемые компоненты.
Считает не скилл, а ваш код: здесь только схема классификации и чек-лист проверки. Категории задуманы взаимоисключающими, поэтому сырую радиацию придётся разнести или сложить до анализа, иначе колонка уедет не в ту группу. Число групп скилл советует держать в районе 3–5.
Какие задачи решает
- разложить десятки колонок датасета по четырём смысловым группам
- собрать суммарную радиацию из коротковолновой и длинноволновой
- отделить антропогенные факторы от метеорологических
- проверить, что группы не пересекаются и грузятся на ожидаемые компоненты
- зафиксировать решение о классификации, чтобы его повторил коллега
Примеры запросов агенту
- Разложи колонки из
data.csvпо драйверам: тепло, поток, ветер, человек — и скажи, какие производные переменные дособрать. - Собери
NetRadiationизLongwaveиShortwaveи отнеси её к группе «тепло». - Проверь, что мои четыре группы взаимоисключающие и грузятся на те компоненты, которые я ожидаю.
Как установить meteorology-driver-classification
1Через Skills CLI (Vercel)
npx skills add benchflow-ai/skillsbench --skill meteorology-driver-classification -a claude-code2Вручную: положить файлы
~/.claude/skills/meteorology-driver-classification/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/meteorology-driver-classification/
1Через Skills CLI (Vercel)
npx skills add benchflow-ai/skillsbench --skill meteorology-driver-classification -a codex2Вручную: положить файлы
.agents/skills/meteorology-driver-classification/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add benchflow-ai/skillsbench --skill meteorology-driver-classification -a cursor2Вручную: положить файлы
.cursor/skills/meteorology-driver-classification/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install benchflow-ai/skillsbench tasks/lake-warming-attribution/environment/skills/meteorology-driver-classification2Вручную: положить файлы
.github/skills/meteorology-driver-classification/SKILL.md1Через Skills CLI (Vercel)
npx skills add benchflow-ai/skillsbench --skill meteorology-driver-classification -a gemini-cli2Командой платформы
gemini skills install https://github.com/benchflow-ai/skillsbench --path tasks/lake-warming-attribution/environment/skills/meteorology-driver-classificationВручную: положить файлы
.devin/skills/meteorology-driver-classification/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add benchflow-ai/skillsbench --skill meteorology-driver-classification -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о meteorology-driver-classification
Как установить meteorology-driver-classification в Claude Code?
Выполните npx skills add benchflow-ai/skillsbench --skill meteorology-driver-classification -a claude-code. Файл скилла появится в ~/.claude/skills/meteorology-driver-classification/SKILL.md.
Что делает meteorology-driver-classification?
Даёт схему, по которой переменные среды раскладываются на четыре группы драйверов, и список шагов для проверки такой группировки перед атрибуционным анализом.
Сколько категорий оставлять?
Скилл советует начать с 3–5 групп: так проще проверить, что переменные внутри каждой связаны между собой.
Исходный текст
SKILL.md · MIT
--- name: meteorology-driver-classification description: Classify environmental and meteorological variables into driver categories for attribution analysis. Use when you need to group multiple variables into meaningful factor categories. license: MIT --- # Driver Classification Guide ## Overview When analyzing what drives changes in an environmental system, it is useful to group individual variables into broader categories based on their physical meaning. ## Common Driver Categories ### Heat Variables related to thermal energy and radiation: - Air temperature - Shortwave radiation - Longwave radiation - Net radiation (shortwave + longwave) - Surface temperature - Humidity - Cloud cover ### Flow Variables related to water movement: - Precipitation - Inflow - Outflow - Streamflow - Evaporation - Runoff - Groundwater flux ### Wind Variables related to atmospheric circulation: - Wind speed - Wind direction - Gust speed - Atmospheric pressure ### Human Variables related to anthropogenic activities: - Developed area - Agriculture area - Impervious surface - Population density - Industrial output - Land use change rate ## Derived Variables Sometimes raw variables need to be combined before analysis: ```python # Combine radiation components into net radiation df['NetRadiation'] = df['Longwave'] + df['Shortwave'] ``` ## Grouping Strategy 1. Identify all available variables in your dataset 2. Assign each variable to a category based on physical meaning 3. Create derived variables if needed 4. Variables in the same category should be correlated ## Validation After statistical grouping, verify that: - Variables load on expected components - Groupings make physical sense - Categories are mutually exclusive ## Best Practices - Use domain knowledge to define categories - Combine related sub-variables before analysis - Keep number of categories manageable (3-5 typically) - Document your classification decisions
© benchflow-ai · MIT · benchflow-ai/skillsbench