丢给 Codex 一台服务器，无痛跑 WRF 模式

手头一台闲置服务器，刚好有一些预报系统验证性质的想法需要测试一下，就给了 Codex 完全的控制权使用服务器。原生 Codex （ChatGPT） 干活干净利索，指哪打哪！ 这次用 Codex 辅助搭建 WRF 区域预报系统（WRF 模式我事先自己安装好了，都跑通了的。其实丢给 Codex 也可以从零给你安装好，自动 debug，效率我感觉就是预报系统搭建一周的活儿，它半天能干完），整体体验比我预期更接近“技术协作伙伴”。 从服务器环境检查、WRF/WPS运行链路配置，到 GFS 预报资料下载、每日定时任务、日志诊断、异常恢复，Codex 都能跟着实际业务流程一步步推进。 比较有价值的是，它不是只给理论建议，而是能结合服务器状态、脚本日志和输出文件，判断任务到底卡在下载、预处理、模式积分还是后处理阶段。 在可视化方面，也逐步完善了降水、气温、环流场、诊断变量等产品，并按照业务化需求优化色标、中文标注、省市边界、UTC与北京时间展示，让结果更适合日常研判。 后续还尝试了基于观测资料的误差订正、物理统计降尺度、NetCDF产品输出，以及多数据源下载备份机制。遇到 AWS 下载速度异常时，也能测试不同 GFS 数据源并切换备用方案。 这次最大的收获是：复杂的数值预报系统，不再只是一次性跑通，而是逐步具备了“自动运行、异常可查、产品可看、后续可扩展”的业务化雏形。细节需要打磨，但雏形已经能达到可以用的标准了。 对气象业务和科研人员来说，Codex 更像一个懂代码、懂流程、能持续陪跑的工程助手。 我一般 Codex ，Claude Code，Cursor，workbuddy 都用，前两个为主。日常工作效率实实在在提高了很多，再就是原生 Codex 和 Claude Code 还是最强的系列。为了省钱我也会在 ClaudeCode 里接入国产大模型 API。 最后说个大实话，拥抱 AI 吧，给自己的工作效率赋能，不断借助 AI 更新自己工作的思维方式。这次“试验”结果基本在预期之内，但协作的效率出乎预料。不是高级玩法，简单分享一下心得。欢迎大家推荐高阶玩法给我，我爱学习！ #大气科学 #WRF #AI #Codex #预报系统 #气象学 #气象局 大气科学