wetter

Solid

Beantwortet Wetterfragen fuer einen Ort oder Koordinaten via wttr.in (kostenlos, kein API-Key). Aktuelles Wetter + 3-Tage-Vorschau. Standort kommt aus der Nutzeranfrage oder den Praeferenzen; optionaler Kurz-Cache.

AI & Automation 2 stars 1 forks Updated today MIT

Install

View on GitHub

Quality Score: 81/100

Stars 20%
16
Recency 20%
100
Frontmatter 20%
70
Documentation 15%
100
Issue Health 10%
80
License 10%
100
Description 5%
100

Skill Content

# Wetter Schnelle, schluesselfreie Wetterauskunft fuer den Alltag. ## Zweck Beantwortet „Wie wird das Wetter?"-Fragen ohne API-Key (Datenquelle: wttr.in). Liefert aktuelles Wetter (Temperatur, gefuehlt, Wind, Luftfeuchte, UV) plus eine kompakte 3-Tage-Vorschau. **Userneutral:** kein fester Standort im Code — der Ort kommt aus der Anfrage oder aus `assist/prefs.json` (`wetter_default_location`), die das LLM interaktiv mit dem Nutzer fuellt. ## Trigger | Nutzereingabe | Aktion | |---|---| | „Wetter fuer Potsdam?" / „Wie wird das Wetter in Hamburg?" | `wetter_core.py "<Ort>"` | | „Wetter morgen?" (ohne Ort) | `wetter_core.py --default` (Ort aus prefs) | | „Mein Standard-Wetterort ist Potsdam" | `wetter_core.py --set-default "Potsdam"` | | Koordinaten bekannt | `wetter_core.py <lat> <lon>` | ## Workflow ``` 1. Ort bestimmen: aus Anfrage; sonst prefs.json (wetter_default_location); sonst Nutzer interaktiv fragen + optional als Default speichern. 2. wetter_core.py abfragen (wttr.in, 2 Versuche, 30-min-Cache). 3. Lesbaren Wetter-Text + 3-Tage-Vorschau praesentieren. ``` ## CLI-Einstieg (wetter_core.py) ```bash python wetter_core.py "Potsdam" # Ort python wetter_core.py 52.6789 13.5878 # Koordinaten python wetter_core.py --default # Ort aus prefs.json python wetter_core.py --set-default "Potsdam" ``` ## Store (optional) - **Kein Pflicht-Store.** Optionaler Kurz-Cache `assist/wetter/.cache.json` (TTL 30 min, best-effort) — vermeidet wiederholte Netza...

Details

Author
ellmos-ai
Repository
ellmos-ai/skills
Created
4 months ago
Last Updated
today
Language
Python
License
MIT

Integrates with

Similar Skills

Semantically similar based on skill content — not just same category