SBAS-InSAR 全链路自动化（insar-genie）

一个给 AI 工具（DSH / pi / Codex / Claude Code / Cursor）用的技能 + 实验全链路流水线： 在对话里说出需求，AI 自动从 ASF 下载 Sentinel-1 数据、获取配套数据（DEM/GACOS/POEORB）、 基于 ENVI 和 SARscape 完成 SBAS-InSAR 全流程，并有守护进程全程自动监控汇报。

仓库结构：SKILL.md（AI 技能定义）+ scripts/（下载/配套工具）+ experiment/（SARscape 批处理 + 守护）+ dsh/（DSH 社区插件）+ 环境自检 + 验证脚本。

✨ 核心能力

| 阶段 | 能力 | |---|---| | AI 数据下载 | 对话触发、同轨同向、逐时相全覆盖校验、轨道一致性、多线程分片（8×）、断点续传、多极化 | | AI 配套数据 | POEORB / GACOS（邮件自动收件）/ NASADEM 30m——全部官方源 | | AI-InSAR 处理 | 对话说"开始实验" → AI 识别地形、列参数表逐项确认 → 执行 SARscape 六步 bat（导入→连接图→干涉→反演×2→地理编码）→ 汇报；零硬编码（config.env）| | AI 守护监控 | AI 部署守护、自动体检、微信（Server酱）+ 邮件、崩溃自动重启、磁盘/停滞预警；用户随时问进展 AI 查日志回答 | | AI 可移植 | 对话说"检查环境"→ AI 跑自检并修复；"验证仓库"→ AI 跑全链路验证 |

📦 安装（按 Agent 选择一种）

🧩 DeepSeek Harness (DSH) — 一键安装为插件

本仓库直接以 agent preset 插件 形式安装：安装后新建会话选择「SBAS 全链路」模式， AI 即自动携带 insar-genie 技能（下载/配套/实验/监控全部脚本），对话即用。

# Windows（PowerShell）
powershell -Command "irm https://raw.githubusercontent.com/jinhucoco/insar-genie/main/dsh/install-dsh.ps1 | iex"

# macOS / Linux
curl -fsSL https://raw.githubusercontent.com/jinhucoco/insar-genie/main/dsh/install-dsh.sh | bash

安装后：

1. 打开 DSH Web 界面 → 点击「新建会话」
2. 选择模式（preset）: SBAS 全链路
3. 对话中说「配置 ASF 账号密码」→ 引导填写 Earthdata 凭证，即可开始

卸载：删除 ~/.dsh/.agent-presets/insar-genie/ 目录即可。 源码位置：仓库 dsh/insar-genie/（agent.cordis.yml + preset.yml + 自带技能），安装脚本 dsh/install-dsh.ps1 / dsh/install-dsh.sh。

🤖 pi — npm 技能包

pi install npm:insar-genie

安装后新会话自动注册技能（已开会话需 /reload 或重开会话）。

💻 Codex / Claude Code / Cursor 等 — 自动安装脚本

curl -fsSL https://raw.githubusercontent.com/jinhucoco/insar-genie/main/install.sh | bash
# 脚本自动：检测工具 → 安装到对应技能目录 → 装依赖 → 生成凭证模板

💡 Codex 沙箱用户：默认关闭网络 + HOME 只读，请在宿主终端跑安装，或浏览器下载 zip 手动解压。

📥 离线 / 手动安装

从 GitHub Releases 下载 insar-genie-<version>.zip，解压后将目录放到对应 Agent 的技能目录 （pi 为 ~/.pi/agent/skills/，DSH 为 ~/.dsh/.agent-presets/），再按上面方式在对话中开始使用。

🚀 快速开始（3 步，全部在对话中完成）

你: 帮我配置环境
AI：拉代码/装依赖/跑 setup_env.py 向导（自动探测路径）→ 生成 config.env → 自检 27 项
你: 配置 ASF 账号密码
AI：引导输入 Earthdata 凭证，写入 config.json
你: 从 ASF 下载哨兵数据，区域 研究区.shp，时间 20240101 至 20240630，VV+VH
AI：自动搜索/校验/确认/下载（开始使用！）

环境验证：对 AI 说「验证仓库」，AI 跑 34 项全链路验证确保就绪。

🛠️ 使用说明

每个环节都是 「你说 → AI 自动做」，无需任何命令行操作。

① 环境自检与验证

你: “检查环境” → AI 跑 check_environment.py，有 [FAIL] 按提示修复后重跑
你: “验证仓库” → AI 跑 verify_clone.py，34 项全过即可使用

② 下载 S1 SLC 数据

你: “从 ASF 下载哨兵数据，区域 研究区.shp，时间 20200101 至 20251231，VV+VH”
AI: ① Earthdata 认证 → ② AOI 转 WKT → ③ 逐极化搜索 → ④ (方向,轨道)分组
    → ⑤ 覆盖校验（只保留全覆盖轨道组）→ ⑥ 列清单给你确认 → ⑦ 批量下载 → ⑧ 汇报

下载保证（AI 自动执行，无需你关心）：同一相对轨道 + 同一方向 + 每个时相全覆盖研究区 + 轨道一致性校验。

③ 获取配套数据

你: “下载配套数据”（或分别说“下载 POEORB / GACOS / DEM”）
AI: 自动按研究区获取——POEORB 精密轨道（免账号）、GACOS 大气延迟（提交→收邮件→下载 ztd）、NASADEM 30m（自动分幅）

④ AI-InSAR 处理（需 ENVI+SARscape）

你: “开始 SBAS 实验” / “开始第 1 步”
AI: ① 识别研究区地形 → ② 列该步参数表（含原理）→ ③ 你确认/调整 → ④ 执行 bat → ⑤ 汇报

每步执行前 AI 都会先列参数确认（见 SKILL.md「实验参数设置提醒机制」），不盲跑默认值。 所有 bat 从 config.env 读路径，零硬编码；按步骤分类存放 00_import ~ 04_geocode。

⑤ 守护监控

你: “开始监控”           → AI 部署守护并启动（整目录复制到 WORK_DIR/ + python -u sbas_guard.py）
你: “实验进展如何”       → AI 查守护日志汇报（进度/磁盘/异常）
你: “跑完没/有没有异常”  → AI 读体检记录回答

守护能力：30 分钟自动体检 + 微信（Server酱）/邮件汇报 + 崩溃自动重启 + 磁盘/停滞预警（5 条/天额度内只推关键事件）。

🧠 工作原理

AI 技能（SKILL.md + scripts/）

• 触发：对话中出现触发词（"从ASF下载哨兵数据"等），AI 加载 SKILL.md 按流程执行
• 认证：ASFSession.auth_with_creds()（EDL token + asf-urs cookie），凭证存 config.json
• SBAS 数据要求：同一相对轨道 + 同一方向 + 每个时相全覆盖研究区
• 覆盖校验：单景 footprint.covers(aoi) → 跨帧并集 unary_union.covers(aoi)
• 轨道一致性：下载前校验组内 pathNumber 完全一致（防同 frame 混轨道）
• 逐时相检查：每个时相（同一天）并集必须全覆盖，无效时相自动排除

实验处理（experiment/）

• SARscape 批处理通过 config.env 读取全部路径，零硬编码
• bat 用 %~dp0..\..\config.env 定位配置；python 用 config_loader.py
• 守护 sbas_guard.py **v4（Guardian 类，状态机）**独立运行：监控状态为实例属性， 主循环 run()，restart() 用实例 bat_file；读 config + notify/mail 配置
• 下载流程封装为 DownloadSession 类（download_session.py）：认证/搜索/分组/ 覆盖过滤/选择/校验/下载拆成可复用方法，run_download() 兼容委托

🛡️ 质量保障（CI + 规范）

• GitHub Actions CI：每次 push/PR 自动跑 ①pytest（48 测试）②ruff lint ③ruff format ④全部 Python 语法 ⑤bat 控制字符扫描
• ruff：代码规范统一（pyproject.toml 定制：中文注释/脚本惯用法适配）
• pre-commit：提交前自动 ruff + pytest，防止脏代码进 dev
• 镜像一致性测试：skills/ 发布镜像与根目录脚本必须同步（改一处忘另一处立即报警）
• 平台兼容：sanitize_filename 等跨平台处理（Windows/Linux 行为一致）

📄 License

MIT

🙏 致谢（Acknowledgments）

• ASF（Alaska Satellite Facility）数据与 asf_search 库
• sarmap 的 SARscape 批处理接口
• GACOS（Generic Atmospheric Correction Online Service）