Community编程与开发github.com

AIjennings/aria-agent-blueprints

确定性NOAA METAR/TAF飞行类别分类器(VFR/MVFR/IFR/LIFR)、跑道侧风分量计算器、密度高度引擎,以及Go/No-Go风险评分器。

aria-agent-blueprints 是什么?

该技能提供了一个用于通用航空飞行前天气简报的生产参考模式,由Aria Technology Group运营。它结合了来自NOAA航空天气中心(AWC)的实时METAR/TAF遥测数据与确定性的空气动力学及个人最低标准数学计算。技能的核心功能包括:根据云底高度(英尺AGL)和能见度(法定英里)将飞行条件分类为VFR、MVFR、IFR或LIFR;通过风速与风向/跑道航向夹角的三角函数分解计算精确的侧风和顺风分量;以及计算压力高度和经温度校正的密度高度,用于起飞性能规划。此外,它还提供一个基于这些计算的风险评分,帮助飞行员做出Go/No-Go决策。该技能支持CLI工具运行自检,可轻松集成到AI代理工作流(如Claude Code、Cursor或Codex)中。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/AIjennings/aria-agent-blueprints/tree/HEAD/skills/aviation-weather-go-nogo

Installed? Explore more 编程与开发 skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

通用航空天气简报与Go/No-Go风险引擎

概述

Aria Technology Group 运营的生产参考模式,用于通用航空飞行前天气简报,结合了NOAA航空天气中心(AWC)的实时METAR/TAF遥测数据与确定性的空气动力学及个人最低标准数学计算。

确定性计算

  1. FAA飞行类别分类: 将云底高度(英尺AGL)和能见度(法定英里)分类为 VFR、MVFR、IFR 或 LIFR。
  2. 跑道侧风与顺风向量分解: 使用公式 wind_speed * sin(|wind_dir - runway_heading|) 计算以节为单位的精确侧风和顺风分量。
  3. 密度高度近似: 计算压力高度和经温度校正的密度高度,用于起飞性能规划。

CLI用法

python metar_risk_scorer.py --selftest

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

相关技能