一、实际应用场景描述基于心理健康与创新能力视角在心理健康与创新能力研究中环境心理学Environmental Psychology 和 注意力恢复理论Attention Restoration Theory, ART 表明天气不仅影响情绪还直接塑造人的认知模式与创造力表现。一个典型的现实场景你每天查看天气预报看到的都是- 今天有雨出门带伞- 高温预警注意防暑- 大风蓝色预警避免户外活动天气预报对你来说 避险工具。但从创新能力角度看你错过了更重要的事情- 晴天 → 高能量状态 → 适合发散思维、头脑风暴- 雨天 → 低能量、高内省 → 适合深度反思、结构化写作- 阴天 → 情绪中性、注意力稳定 → 适合逻辑推演、代码实现- 雪天 → 感官新鲜感强 → 适合跨界联想、概念重组同一天的不同天气适合不同类型的创造性工作。 但传统天气预报完全不提供这类认知适配信息。本程序的目标是颠覆这一逻辑✅ 不只看天气来规避风险✅ 用天气数据匹配最优创作模式✅ 长期统计天气状态与灵感产量的关联✅ 帮用户找到属于自己的创造力节律二、引入痛点中立、去情绪化1. 传统天气预报的信息盲区现有功能 缺失维度 对创新的影响温度 / 降水 / 风力 认知适配建议 用户随机安排工作不匹配当天认知状态灾害预警 创造力节律意识 无法识别我什么时候最有灵感穿衣 / 出行建议 创作模式推荐 错失顺势而为的创新效率2. 创新能力视角的结构性问题- 环境-认知匹配缺失Person-Environment Mismatch在需要高度专注的雨天安排发散型创意会议效率显著下降。- 自我认知盲区大多数人不知道自己的灵感产出与天气存在可统计的相关性。- 节律意识缺失没有数据支撑创作者只能凭感觉无法形成可复用的节律策略。3. 心理层面的代价- 在低能量天气强行高强度创作 → 挫败感累积- 在高灵感天气做机械性工作 → 机会成本浪费- 长期无法顺势创作 → 职业倦怠Burnout风险上升三、核心逻辑讲解心理模型 → 工程模型1️⃣ 核心心理模型注意力恢复理论ART认知资源^| ___/‾‾‾\___ 晴朗 定向注意力高| / \ 适合发散思维、头脑风暴| / \| / \___ 雨天 非定向注意力高| 适合内省、反思、深度写作----------------------→ 天气状态核心观点不同天气激活不同的注意力系统。匹配正确创造力产出显著提升。2️⃣ 工程化抽象天气 → 创作模式映射模型WeatherProfile:- condition: 天气状况晴/雨/阴/雪/雾...- temperature: 温度区间- humidity: 湿度- pressure: 气压- wind_speed: 风速CreativeMode:- name: 创作模式名称- suitable_tasks: 适合的任务类型列表- energy_level: 预估能量需求1-10- cognitive_type: 认知类型divergent/convergent/reflective- suggestion: 具体行动建议程序核心行为1. 天气获取调用天气 API 获取当前气象数据2. 模式匹配根据气象特征映射到最优创作模式3. 灵感记录用户手动或自动记录当天灵感产出4. 关联统计周期性分析天气状态与灵感产量的相关性5. 节律洞察生成个性化报告——你的灵感在什么天气下最强3️⃣ 匹配算法设计def match_creative_mode(weather: WeatherProfile) - CreativeMode:基于天气特征匹配最优创作模式# 维度1天气类型主要因素if weather.condition rain:return CreativeMode(name深度内省模式,cognitive_typereflective,energy_level4,suitable_tasks[写作, 反思日记, 方案复盘])elif weather.condition clear:return CreativeMode(name发散创造模式,cognitive_typedivergent,energy_level8,suitable_tasks[头脑风暴, 概念设计, 跨界联想])elif weather.condition cloudy:return CreativeMode(name逻辑收敛模式,cognitive_typeconvergent,energy_level6,suitable_tasks[代码实现, 数据分析, 文档整理])# 维度2温度微调if weather.temperature 10:# 低温 → 倾向聚焦型任务...---# 四、代码模块化实现Python## 项目结构weather_creative/├── README.md├── requirements.txt├── config.yaml├── main.py├── core/│ ├── weather_client.py # 天气数据获取│ ├── mode_matcher.py # 天气→创作模式匹配│ ├── inspiration_log.py # 灵感产量记录│ └── analytics.py # 关联统计分析└── utils/├── logger.py└── date_utils.py---## requirements.txttxtrequests2.31.0pyyaml6.0rich13.0.0numpy1.24.0---## config.yamlyamlweather:api_provider: open-meteo # 免费无需 API keydefault_city: Beijingunits: metriccreative:log_path: inspiration_log.yamlanalytics_period_days: 30display:show_scientific_basis: true---## core/weather_client.pypython天气数据获取模块使用 Open-Meteo 免费 API无需注册import requestsfrom typing import Dict, Any, Optionalfrom datetime import datetimefrom utils.logger import setup_loggerlogger setup_logger(WeatherClient)class WeatherProfile:天气数据模型def init(self, data: Dict[str, Any]):current data.get(current, {})self.temperature current.get(temperature_2m, 0.0)self.humidity current.get(relative_humidity_2m, 0)self.pressure current.get(surface_pressure, 0)self.wind_speed current.get(wind_speed_10m, 0.0)# 天气代码映射WMO 标准weather_code current.get(weather_code, 0)self.condition self._code_to_condition(weather_code)self.timestamp datetime.now()def _code_to_condition(self, code: int) - str:将 WMO 天气代码转为可读状态# 简化映射完整映射有 50 种if code 0:return clearelif code in (1, 2, 3):return cloudyelif code in (45, 48):return fogelif code in (51, 53, 55, 56, 57):return drizzleelif code in (61, 63, 65, 66, 67, 80, 81, 82):return rainelif code in (71, 73, 75, 77, 85, 86):return snowelif code in (95, 96, 99):return thunderstormreturn unknowndef to_dict(self):return {condition: self.condition,temperature: self.temperature,humidity: self.humidity,pressure: self.pressure,wind_speed: self.wind_speed,timestamp: self.timestamp.isoformat()}def fetch_weather(latitude: float 39.9, longitude: float 116.4) - Optional[WeatherProfile]:从 Open-Meteo 获取实时天气latitude/longitude: 经纬度默认北京url https://api.open-meteo.com/v1/forecastparams {latitude: latitude,longitude: longitude,current: [temperature_2m,relative_humidity_2m,surface_pressure,wind_speed_10m,weather_code],timezone: auto}try:resp requests.get(url, paramsparams, timeout10)resp.raise_for_status()data resp.json()logger.info(f天气数据获取成功: {data[current][weather_code]})return WeatherProfile(data)except requests.RequestException as e:logger.error(f天气获取失败: {e})return None---## core/mode_matcher.pypython创作模式匹配引擎根据天气特征映射到最优创作模式from typing import Dict, List, Anyfrom core.weather_client import WeatherProfilefrom utils.logger import setup_loggerlogger setup_logger(ModeMatcher)class CreativeMode:创作模式定义def init(self, data: Dict[str, Any]):self.name data[name]self.cognitive_type data[cognitive_type]self.energy_level data[energy_level]self.suitable_tasks data[suitable_tasks]self.suggestion data.get(suggestion, )self.scientific_basis data.get(scientific_basis, )def to_dict(self):return {name: self.name,cognitive_type: self.cognitive_type,energy_level: self.energy_level,suitable_tasks: self.suitable_tasks,suggestion: self.suggestion,scientific_basis: self.scientific_basis}天气→模式映射规则库MATCHING_RULES [{conditions: {condition: rain},mode: {name: 深度内省模式,cognitive_type: reflective,energy_level: 4,suitable_tasks: [深度写作, 方案复盘, 反思日记, 概念提炼],suggestion: 雨天降低外部刺激适合向内探索。把最近的想法拿出来重新梳理。,scientific_basis: Kaplan 的注意力恢复理论雨天促进非定向注意力有利于反思性思维。}},{conditions: {condition: clear},mode: {name: 发散创造模式,cognitive_type: divergent,energy_level: 8,suitable_tasks: [头脑风暴, 概念设计, 跨界联想, 原型构思],suggestion: 晴朗天气下能量充沛适合开展需要大量发散思维的创造性工作。,scientific_basis: Ulrich 的环境心理学研究晴朗天气提升积极情绪拓宽注意力范围。}},{conditions: {condition: cloudy},mode: {name: 逻辑收敛模式,cognitive_type: convergent,energy_level: 6,suitable_tasks: [代码实现, 数据分析, 文档整理, 方案细化],suggestion: 阴天注意力稳定适合需要持续专注的执行型任务。,scientific_basis: Küller 的环境心理生理学阴天条件下皮质醇水平稳定有利于维持专注。}},{conditions: {condition: snow},mode: {name: 跨界重组模式,cognitive_type: recombinant,energy_level: 5,suitable_tasks: [概念重组, 隐喻构建, 叙事设计, 视角转换],suggestion: 雪天带来强烈的感官新鲜感适合打破常规尝试非常规组合。,scientific_basis: novelty 效应新颖环境刺激多巴胺分泌促进远距离联想。}},{conditions: {condition: fog},mode: {name: 直觉探索模式,cognitive_type: intuitive,energy_level: 3,suitable_tasks: [自由写作, 梦境记录, 随机关联, 冥想笔记],suggestion: 雾天视觉受限直觉思维补偿性增强。适合记录直觉和感受。,scientific_basis: 情境依赖性记忆理论模糊环境降低外部信息干扰增强内感受。}},]class ModeMatcher:天气→创作模式匹配器def __init__(self, rules: List[Dict] None):self.rules rules or MATCHING_RULESdef match(self, weather: WeatherProfile) - CreativeMode:根据天气数据匹配最优创作模式weather_dict weather.to_dict()for rule in self.rules:conditions rule[conditions]match Truefor key, expected in conditions.items():if weather_dict.get(key) ! expected:match Falsebreakif match:logger.info(f匹配到模式: {rule[mode][name]})return CreativeMode(rule[mode])# 默认返回通用模式logger.info(使用默认创作模式)return CreativeMode({name: 平衡创作模式,cognitive_type: balanced,energy_level: 5,suitable_tasks: [阅读, 笔记整理, 轻量创作],suggestion: 当前天气条件适中适合进行平衡型创作活动。,scientific_basis: })---## core/inspiration_log.pypython灵感产量记录模块用户记录每日灵感产出供后续关联分析from pathlib import Pathimport yamlfrom typing import Dict, List, Any, Optionalfrom datetime import datetime, datefrom utils.logger import setup_loggerlogger setup_logger(InspirationLog)class InspirationRecord:单条灵感记录def init(self,date: str,count: int 0,quality: float 0.0,weather_condition: str ,tasks_completed: List[str] None,notes: str ):self.date dateself.count count # 灵感数量self.quality quality # 自评质量0-10self.weather_condition weather_conditionself.tasks_completed tasks_completed or []self.notes notesdef to_dict(self):return {date: self.date,count: self.count,quality: self.quality,weather_condition: self.weather_condition,tasks_completed: self.tasks_completed,notes: self.notes}class InspirationLog:灵感日志管理器def __init__(self, path: str inspiration_log.yaml):self.path Path(path)self.records: List[InspirationRecord] []def load(self):if not self.path.exists():logger.info(灵感日志不存在将创建新文件)returndata yaml.safe_load(self.path.read_text(encodingutf-8)) or []for r in data:self.records.append(InspirationRecord(**r))logger.info(f加载 {len(self.records)} 条灵感记录)def add_record(self, record: InspirationRecord):self.records.append(record)self._save()logger.info(f记录灵感: {record.date} count{record.count})def get_by_date(self, target_date: str) - Optional[InspirationRecord]:for r in self.records:if r.date target_date:return rreturn Nonedef get_recent(self, days: int 30) - List[InspirationRecord]:获取最近 N 天的记录from datetime import timedeltacutoff date.today() - timedelta(daysdays)return [r for r in self.recordsif date.fromisoformat(r.date) cutoff]def _save(self):data [r.to_dict() for r in self.records]self.path.write_text(yaml.dump(data, allow_unicodeTrue, default_flow_styleFalse),encodingutf-8)---## core/analytics.pypython关联统计分析模块分析天气状态与灵感产量的相关性import numpy as npfrom typing import Dict, Any, Listfrom core.inspiration_log import InspirationRecordfrom utils.logger import setup_loggerlogger setup_logger(Analytics)def analyze_weather_inspiration_correlation(records: List[InspirationRecord]) - Dict[str, Any]:分析天气条件与灵感产出的关联输出各天气条件下的平均灵感产量与质量if not records:return {error: 无可用数据}# 按天气条件分组groups: Dict[str, List[InspirationRecord]] {}for r in records:cond r.weather_condition or unknowngroups.setdefault(cond, []).append(r)# 统计各维度stats {}for cond, recs in groups.items():counts [r.count for r in recs]qualities [r.quality for r in recs]stats[cond] {sample_size: len(recs),avg_count: round(np.mean(counts), 2) if counts else 0,avg_quality: round(np.mean(qualities), 2) if qualities else 0,total_count: sum(counts),std_count: round(np.std(counts), 2) if len(counts) 1 else 0,}# 找出最优创作天气best_quantity max(stats.items(), keylambda x: x[1][avg_count])best_quality max(stats.items(), keylambda x: x[1][avg_quality])return {by_condition: stats,best_for_quantity: {condition: best_quantity[0],avg_count: best_quantity[1][avg_count]},best_for_quality: {condition: best_quality[0],avg_quality: best_quality[1][avg_quality]},total_records: len(records)}def generate_insight_report(correlation: Dict[str, Any]) - str:生成可读的洞察报告if error in correlation:return correlation[error]lines []lines.append( 天气 × 灵感 关联分析报告)lines.append( * 50)lines.append(f基于 {correlation[total_records]} 条记录\n)for cond, stats in correlation[by_condition].items():lines.append(f {cond.upper()})lines.append(f 样本量: {stats[sample_size]})lines.append(f 平均灵感数: {stats[avg_count]})lines.append(f 平均质量: {stats[avg_quality]}/10)lines.append(f 总产量: {stats[total_count]})lines.append()bq correlation[best_for_quantity]bqq correlation[best_for_quality]lines.append(─ * 50)lines.append(f 你的灵感高产天气: {bq[condition].upper()})lines.append(f 平均产出 {bq[avg_count]} 个灵感/天)lines.append(f 你的高质量灵感天气: {bqq[condition].upper()})lines.append(f 平均质量 {bqq[avg_quality]}/10)lines.append( * 50)return \n.join(lines)---## utils/date_utils.pypython日期工具from datetime import datedef today_str() - str:return date.today().isoformat()---## utils/logger.pypythonfrom rich.logging import RichHandlerimport loggingdef setup_logger(name: str):logger logging.getLogger(name)logger.setLevel(logging.INFO)handler RichHandler()handler.setFormatter(logging.Formatter(%(message)s))logger.addHandler(handler)return logger---## main.pypython主程序入口演示完整流程获取天气 → 匹配模式 → 记录灵感 → 统计分析import yamlfrom pathlib import Pathfrom core.weather_client import fetch_weatherfrom core.mode_matcher import ModeMatcherfrom core.inspiration_log import InspirationLog, InspirationRecordfrom core.analytics import analyze_weather_inspiration_correlation, generate_insight_reportfrom utils.logger import setup_loggerfrom rich.console import Consolefrom rich.panel import Panelfrom rich.table import Tablelogger setup_logger(Main)console Console()def load_config(path: str config.yaml):return yaml.safe_load(Path(path).read_text(encodingutf-8))def display_creative_mode(mode_dict: dict, show_science: bool True):展示匹配到的创作模式console.print(Panel.fit(f[bold cyan]{mode_dict[name]}[/bold cyan]\nf认知类型: {mode_dict[cognitive_type]} | f能量需求: {█ * mode_dict[energy_level]}{░ * (10 - mode_dict[energy_level])},title 今日推荐创作模式))table Table(show_headerTrue, header_stylebold magenta, boxNone)table.add_column(适合的任务, stylegreen)for t in mode_dict[suitable_tasks]:table.add_row(t)console.print(table)console.print(f\n[yellow] 建议: [/yellow]{mode_dict[suggestion]})if show_science and mode_dict.get(scientific_basis):console.print(f[dim] 理论基础: {mode_dict[scientific_basis]}[/dim])def main():config load_config()# Step 1: 获取天气console.print(\n[bold] 正在获取天气数据...[/bold]\n)weather fetch_weather()if not weather:console.print([red]无法获取天气数据请检查网络[/red])returnconsole.print(f[green]✓[/green] 当前天气: {weather.condition} f温度: {weather.temperature}°C f湿度: {weather.humidity}%)# Step 2: 匹配创作模式matcher ModeMatcher()mode matcher.match(weather)console.print()display_creative_mode(mode.to_dict(), config[display][show_scientific_basis])# Step 3: 记录今日灵感模拟数据实际使用时由用户输入log InspirationLog(config[creative][log_path])log.load()today 2025-01-15 # 演示用固定日期if not log.get_by_date(today):log.add_record(InspirationRecord(datetoday,count5,quality7.5,weather_conditionweather.condition,tasks_completed[写了方案初稿, 画了架构草图],notes雨天适合深度思考产出质量较高))# Step 4: 统计分析console.print(\n * 50)console.print([bold] 天气 × 灵感 关联分析[/bold]\n)recent log.get_recent(daysconfig[creative][analytics_period_days])correlation analyze_weather_inspiration_correlation(recent)report generate_insight_report(correlation)console.print(report)logger.info(流程完成)if name main:main()---# 五、README.mdmarkdownWeather Creative — 天气 × 创作模式匹配工具是什么一个基于心理健康与创新理论的 Python 工具用于- 根据实时天气推荐最优创作模式- 记录每日灵感产量与质量- 统计天气状态与创造力的关联规律- 帮你找到属于自己的创造力节律核心思想天气预报不只用来避雨更用来选择今天的创作姿势。安装python -m venv .venvsource .venv/bin/activatepip install -r requirements.txt使用python main.py配置说明weather:default_city: Beijing # 修改为你的城市坐标units: metriccreative:log_path: inspiration_log.yamlanalytics_period_days: 30display:show_scientific_basis: true # 是否展示理论基础灵感记录格式程序自动维护inspiration_log.yaml包含字段 说明date 日期count 当天灵感数量quality 自评质量0-10weather_condition 当天天气tasks_completed 完成的创作任务列表notes 自由笔记模块说明模块 职责core/weather_client.py 天气数据获取Open-Meteo APIcore/mode_matcher.py 天气→创作模式匹配引擎core/inspiration_log.py 灵感产量记录与持久化core/analytics.py 关联统计与洞察报告天气-模式映射天气 推荐模式 适合任务晴 发散创造 头脑风暴、概念设计雨 深度内省 写作、复盘、反思阴 逻辑收敛 编码、分析、文档雪 跨界重组 概念重组、视角转换雾 直觉探索 自由写作、冥想笔记许可MIT License---# 六、核心知识点卡片去营销、中立┌──────────────────────────────────────────────────────┐│ 知识点 #1Attention Restoration Theory注意力恢复理论│├──────────────────────────────────────────────────────┤│ Kaplan Kaplan, 1989 ││ 两种注意力系统 ││ - 定向注意力Directed Attention易疲劳 ││ - 非定向注意力Involuntary Attention可恢复 ││ 自然环境含天气变化促进注意力恢复 ││ 本程序据此匹配雨天→内省、晴天→发散 │└──────────────────────────────────────────────────────┘┌──────────────────────────────────────────────────────┐│ 知识点 #2Cognitive Cost of Context Switching │├──────────────────────────────────────────────────────┤│ 在不同认知任务间切换会产生隐性成本 ││ 匹配天气与任务类型 减少不必要的上下文切换 ││ 例如雨天强行做发散型任务 → 高认知成本、低产出 │└──────────────────────────────────────────────────────┘┌──────────────────────────────────────────────────────┐│ 知识点 #3Nørgårds Infinity Series创新节律 │├──────────────────────────────────────────────────────┤│ 创造力不是恒定输出而是有节律的波动 ││ 外部环境因素天气、光照、噪音是节律的同步信号 ││ 本程序通过统计挖掘个人的创造力节律指纹 │└──────────────────────────────────────────────────────┘┌──────────────────────────────────────────────────────┐│ 知识点 #4Self-Monitoring自我监测 │├──────────────────────────────────────────────────────┤│ 心理学中行为改变的有效技术 ││ 记录行为 → 发现模式 → 调整策略 ││ 本程序将灵感记录作为自我监测的载体 │└──────────────────────────────────────────────────────┘┌──────────────────────────────────────────────────────┐│ 知识点 #5Correlational Analysis相关性分析 │├──────────────────────────────────────────────────────┤│ 用统计方法量化天气与灵感的共变关系 ││ 核心指标均值差、标准差、样本量 ││ 注意相关性 ≠ 因果性 ││ 本程序仅描述关联不做因果推断 │└──────────────────────────────────────────────────────┘---# 七、总结中立、工程视角传统天气预报的本质是**风险规避工具**——告诉你什么该避免。本程序将它转变为**机会识别工具**——告诉你什么该拥抱。它做了三件不同的事1. **认知适配**将天气数据映射为创作模式推荐帮用户顺势而为2. **节律发现**通过长期记录与统计挖掘个人的创造力节律3. **理论落地**将环境心理学的学术成果转化为日常可用的工程工具从工程角度看这是一个**轻量级、可离线扩展、数据自持**的系统从心理角度看它帮助用户建立**环境—认知—行为的觉察闭环**用数据而非感觉来优化创造过程。利用AI解决实际问题如果你觉得这个工具好用欢迎关注长安牧笛