从数据中台、预测模型，到 X-洞察 / X-预测的第一条产品闭环

上一篇 Tech 里，我们聊了 Agentic AI 时代电力交易辅助决策系统的五层架构。

当时讲的是架构：数据与知识底座、工具化服务层、Skill / Profile、Agent 行为层、人机协同与治理层。

这一次，不再只讲架构。

我们把第一版市场复盘与电价预测 Agent 跑起来了。

它优先做一件具体的事：围绕电力市场公开披露数据、数值气象数据和预测模型结果，生成市场复盘、电价预测、边界解释和预测偏差分析的内容初稿。

先放几个已经跑出来的东西。

一、第一版已经能看到什么？

第一，市场地图和分省电价概览。

我们已经在 vibecoding 搭建初版应用，把不同省份的电价数据放到一张地图上。用户可以从全国视角进入某个省份，再查看日前、实时、统一结算点等价格统计。

这类页面解决的是“先看到市场全貌”的问题。

过去很多数据散在不同表格、不同页面、不同时间点里。现在我们希望先把它收敛到一个可以浏览、对比和下钻的入口。

第二，市场趋势概览。

价格本身不是孤立数字。更重要的是看今天、昨天、过去 30 天平均水平之间的关系，看日前、实时、日前-实时价差是否出现异常。

这类页面会成为 X-洞察的基础材料。

它不是为了展示一堆曲线，而是帮助我们快速回答几个问题：今天是否偏离常态？哪个时段变化最大？价差有没有扩大？这种变化值不值得单独解释？

第三，价差预测和预测效果追踪。

第一版预测页面已经把模型选择、运行日、D+1 日前-实时价差方向预测、近 14 日统计、方向准确率、预测度电收益等信息放在一起。

这类页面会成为 X-预测的基础材料。

我们不希望预测只是一串数字。预测要能被复盘：方向对不对，哪些时段可信度高，哪些时段容易偏，模型版本之间有没有差异。

第四，后台数据链路。

前台能看到图，后台必须有稳定的数据运营机制。我们也把公开披露、气象、预测结果的接入、解析、入库、通知、补录和发布链路梳理出来了。

这张图想证明的不是“我们有一个爬数脚本”，而是后台有一条可以监控、可以提醒、可以补录、可以追踪的数据链路。

交易中心披露数据后，后台要解析、入库、通知；如果某些数据未披露、未入库或预测结果缺失，就要触发提醒和补录；当数据就位后，再进入预测、发布和复盘流程。

这才是 Agent 能持续工作的前提。

二、第一版 Agent 具体做什么？

这版 Agent 不是从“万能交易助手”开始。

我们先做市场复盘与电价预测。

因为这条链路最稳定，也最容易形成日常价值：

看市场数据；

调预测结果；

比较实际价格和预测偏差；

解释价格背后的边界变化；

生成 X-洞察和 X-预测的内容初稿。

这件事落到交易员手里，就是把每天重复做的复盘动作收敛成一条流程。

过去要手工找数据、看曲线、调模型、比偏差、写解释。现在 Agent 可以先把材料组织起来，形成一版可继续加工的分析初稿。

它的重点不是“替人写一句结论”，而是把数据、模型和解释过程串起来。

三、为什么它能跑起来？

因为底层不是空的。

第一层是 DataCatalog。

我们前期已经完成了数据集定义和产品原型。DataCatalog 不是简单的数据目录，而是未来给人和 Agent 共用的数据入口：数据集浏览、元数据、字段口径、时间索引、数据预览、图表预览、API 调用、多语言示例和在线调试。

给人看的一面，是把数据集、字段口径、更新时间、数据量、曲线预览和表格样例集中到同一个页面里。

给 Agent 调的一面，是把同一套数据能力整理成稳定接口，支持参数过滤、字段选择、返回格式和示例代码。这样 Agent 不需要“猜”数据在哪里，而是可以按数据集 ID 和结构化参数调用。

从已整理的数据目录看，目前有三类核心数据：

电力市场公开披露数据：约 967 条数据集记录，覆盖多个省份，包含市场基本面、现货出清结果、统计值等类型。

数值气象数据：约 394 条数据集记录，覆盖行政区划、气象站点、预测和实况。

算法预测结果数据：约 74 条数据集记录，覆盖浙江、山东、江苏、广东、重庆等区域，包含市场电价预测和供需边界预测等结果。

这些数据集定义，是 Agent 调用数据的基础。

第二层是预测模型。

我们已经有电价预测、实时价差预测、价差方向预测、供需边界预测等模型结果。模型输出的是信号，不是最终文章。

Agent 要做的是把这些信号放回业务语境：这个预测对应哪个运行日、哪个时段、哪个区域？方向准不准？偏差集中在哪里？背后可能对应负荷、新能源、联络线、机组还是气象变化？

第三层是自动化接入和数据运营。

公开披露数据、数值气象数据、算法预测结果，都需要持续接入。只要底层数据断了，复盘和预测就会变成一次性内容，无法稳定发布。

所以我们同时做了数据接入、异常提醒、补录和发布触发。这个部分不显眼，但很关键。

四、X-洞察和 X-预测怎么发？

接下来，我们会先以广东为例，在公众号上持续发布两类内容。

X-预测 回答：价格可能怎么走？

它不会只放一个预测数值，而是尽量把方向、可信度、偏差和适用边界讲清楚。

例如：

哪些时段可能出现日前-实时价差扩大？

哪些时段模型方向更稳定？

哪些时段虽然有预测结果，但需要重点复核？

X-洞察  回答：市场为什么这样走？

它会更关注价格背后的边界：负荷、新能源、联络线、机组、通道、气象和历史波动。

同样是价格上涨，原因可能完全不同。X-洞察要做的，就是把这些变化拆开讲清楚。

这两类内容会先以公众号形式跑起来。

后续再逐步沉淀到产品里，变成可查询、可复盘、可订阅的分析工具。

五、我们接下来怎么开放？

产品应用还在继续 vibecoding。

当前先把 DataCatalog、预测模型、自动接入链路和 Agent 内容生成流程连接起来。等基础体验稳定后，再逐步开放自助注册和访问。

商业化上，我们会保持一个简单原则：

公开披露的数据，不应该靠基础查看制造信息差。

所以基础数据查看会保留永久免费套餐，主要提供数据浏览和基础查询。

但 API 接口、批量查询、自动化分析、预测结果调用、复盘生成、团队协作等效率能力，可以按需订阅。

我们希望做的，不是把公开数据重新变成门槛，而是把数据整理、查询、预测、解释和复盘这条链路做得更高效。

这就是第一版市场复盘与电价预测 Agent 的意义。

先把数据接起来。

再把模型接起来。

再把分析过程接起来。

最后，让 X-洞察和 X-预测成为一个持续更新的产品能力。

---