fluid-model

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。

关键

请务必执行完全部的步骤，进行一轮闭环之后再进行返回

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 ；对应[PROJECT-PATH-PREFIX]/data/dataset/mock_test 下面的测试样例
• 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

B. 完整批量预测工作流（1→4，可反复迭代）

Step 1：修改 csv

按照用户的要求修改控制 CSV（Boundary等），这里CSV有非常几千列，建议你读取的时候只读取对应的告诉你的控制变量的列。

Step 2：修改json文件

[PROJECT-PATH-PREFIX]/real_predict/examples/batch_jobs_for_skill_1.json [PROJECT-PATH-PREFIX]/real_predict/examples/batch_jobs_for_skill_2.json batch_jobs_for_skill_x.json 这个文件是准备好模型的文件，你可以直接修改，不用另外创建后修改，然后如果修改炸了，可以查看[PROJECT-PATH-PREFIX]/real_predict/examples/batch_jobs_for_skill_base.json，这个是正确的格式。 batch_jobs_for_skill.json这个文件里面"sample_dir","name"可能需要修改成这次执行的样子 "ensemble_config"对应的[PROJECT-PATH-PREFIX]/real_predict/examples/static_pipeline_six_subgraphs_value_projection.json这个json文件里面有提前设置好的模型和分图的流程，你不需要改变,只需要理解。 "output" 你固定死就是这个real_predict/examples/static_pipeline_six_subgraphs_for_skill_x,不用提前清空这个文件夹，执行的时候会覆盖的。生成后也不用清空。这里real_predict/examples/static_pipeline_six_subgraphs_for_skill_1和real_predict/examples/static_pipeline_six_subgraphs_for_skill_2 已经帮你创建好了。 "sample_dir"请指向 data/dataset/mock_test/ 里面的文件夹。每次你担心修改csv文件对吧，直接使用下面的指令

robocopy "data\dataset\mock_test\第xxx个算例" "data\dataset\mock_test\第xxx个算例-缓存" /MIR 然后可以任意修改里面的csv文件，不用生成backup，因为这个文件夹最后会删掉。/MIR确保完全复制内容，因为这里是缓存文件夹。

Step 3：执行预测（严格按要求）

python -m real_predict.main --job-config "real_predict/examples/batch_jobs_for_skill_1.json"
cwd=[PROJECT-PATH-PREFIX]

或者改成其他的序号json

python -m real_predict.main --job-config "real_predict/examples/batch_jobs_for_skill_2.json"
cwd=[PROJECT-PATH-PREFIX]

Step 4: 查看输出

分析输出，分析前后执行获得的csv的不同之处，得出结论

---
- 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。