Earth2Studio 创建诊断模型

要解决什么问题

Earth2Studio 里的诊断模型（diagnostic）做的是单时刻场变换：给定一组输入变量与张量，输出另一组变量，不做时间积分，也不走预报（prognostic）那套 lead_time 与迭代器接口。把第三方 PyTorch 权重、HuggingFace/NGC 检查点或纯衍生算子接进仓库时，容易在坐标顺序、可选依赖、加载路径和测试约定上踩坑。

技能如何组织工作

本技能用按顺序执行的清单约束实现路径，避免跳过依赖声明或测试就宣称完成：

• 类型分流：简单衍生（仅 torch.nn.Module）、AutoModel 诊断（含 AutoModelMixin）、生成式诊断（多样本/sample 维）三类，对应不同的 load_model 与 output_coords 要求。
• 依赖先行：在改 pyproject.toml 前分类并提议 [project.optional-dependencies] 的 extra，与 OptionalDependencyFailure、@check_optional_dependencies() 对齐。
• 标准 API 面：在 earth2studio/models/dx/<name>.py 实现 input_coords / output_coords（@batch_coords()）、__call__（@torch.inference_mode() + @batch_func()），用 handshake_dim / handshake_coords 校验；AutoModel/生成式需固定检查点来源（如 hf://org/repo@commit）。
• 测试与质量门：test/models/dx/test_<name>.py 覆盖 mock 前向、异常坐标与可选 @pytest.mark.package 真实权重；仓库内 Python 命令统一 uv run pytest / uv run python，收尾跑 make format && make lint && make license。

可选步骤还包括对照参考脚本做验证、按模板起草 PR 说明；若流程本身有误，技能要求先改 SKILL 或 references/ 再继续实现。

边界与注意点

• 只处理单步诊断，不支持时间填充模型（应使用 prognostic 相关技能）。
• 带 @pytest.mark.package 的测试可能需要 NGC、HuggingFace、S3 等网络与合法检查点；生成式对比往往要 GPU 与固定随机种子。
• 诊断封装不要继承 PrognosticMixin、不要引入 lead_time 坐标、不要在 earth2studio/ 内用 print()（用 loguru.logger）。