Earth-Space-AI
Published:
Earth-Space-AI 是一个面向地球与空间科学的开源组织，收录 AI 工具、Skill 包和研究项目。
地球系统模式是世界上规模最大的科学程序之一。WRF 做天气预报，CTSM 模拟陆地和植被，WACCM-X 从地面一直算到太空边缘。每个模式都积累了几十年关于怎么编译、怎么配置、怎么调试的经验，而这些经验大多散落在用户邮件列表、研讨会幻灯片和少数资深研究者的脑子里。
AI 编程智能体能读源代码，却读不到 2014 年那封邮件，那封邮件解释了为什么某个 namelist 参数千万不能按直觉设置。Earth-Space-AI 就是为了补上这个缺口。它的一句话介绍是：“面向地球、行星与空间科学的程序性知识 Skills。”
里面有什么
组织托管的是 Skill 包。每个包是一组结构化的 markdown 文件，智能体按需加载，研究者也可以当参考手册读。SKILL.md 负责把智能体引到正确的章节，更深的参考文档只在需要时加载，这样智能体不会把上下文窗口浪费在用不上的内容上。具体结构我在之前的文章里写过。
目前已有的包包括：
- WRF，天气研究与预报模式
- CTSM，社区陆地系统模式
- Noah-MP，陆面模式，以及它的 HRLDAS 驱动
- WACCM 和 WACCM-X，CESM 中的全大气模式，后者延伸到电离层和热层
- ROMS，区域海洋模式
- RegCM，ICTP 的区域气候模式
- OpenIFS，ECMWF 面向科研和教学发布的预报模式版本
- NorESM，挪威地球系统模式
模式 Skills 之外，组织还运营两个社区工具。Benchmark Radar 每天追踪 AI 评测和数据集，由我发起，已被 fork 超过 50 次。Scientific Resources 整理面向科研人员的算力、云服务与 API 额度，以及科研经费信息。
为什么先做 Skills
AI 进入地球科学，常见的说法是训练一个新的神经网络模型来取代物理模式。这些模型又快又惊艳，可它们依然需要物理模式提供训练数据，需要物理模式去算那些还没被学到的变量，也需要物理模式回答“为什么”。物理模式不会消失。
真正拖慢研究者的，是把这些模式正确地跑起来。一个研究生可能因为一个编译错误或一个配置错误的区域，耗掉整整一学期。如果智能体能带着这些配置经验，这一学期就能还给科学本身。Skill 包写起来便宜，检查起来容易，第一天就能用，所以我从这里开始。
还难在哪里
上游模式一更新，Skill 就会过时，所以每个包都要跟着它覆盖的模式一起维护。署名也很重要。这些模式属于庞大的社区，Skill 包应该把用户引回官方文档和许可证，和官方资料互补。
一个科学模式最有价值的部分，往往是那些从没写进手册的建议。
