Geoskill: 屋顶光伏资源盘点
评估建筑屋顶光伏发电潜力，提供部署优先级排序。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Geoskill: 屋顶光伏资源盘点。 它的用途是：评估建筑屋顶光伏发电潜力，提供部署优先级排序。 完整的 Skill 内容见：https://321skill.com/skills/geoskill-屋顶光伏资源盘点/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘请分析这个街区所有建筑的屋顶光伏潜力，并按照投资回报率从高到低排序。’，它会要求你上传建筑轮廓数据，然后自动计算每个屋顶的可用面积、预估年发电量和经济性指标，最终生成一份带有排名和详细数据的表格报告，帮助你快速锁定最适合安装光伏板的建筑。
介绍
Geoskill: 屋顶光伏资源盘点 是一款专注于评估建筑屋顶太阳能发电潜力的AI技能。它旨在解决在规划屋顶光伏项目时，难以快速、批量评估单个建筑发电潜力的痛点。通过分析建筑的可用屋顶面积、坡度/朝向、阴影遮挡等关键地理与物理参数，该技能能够计算出潜在的装机容量、发电量及经济可行性，并最终输出建筑级别的候选项目排名，为大规模太阳能部署决策提供数据支持。
使用时，用户需要提供目标区域（如一个街区或城市）的建筑轮廓数据及相关地理信息。技能将自动处理这些数据，进行一系列空间分析和能源建模计算。整个过程无需用户具备专业的能源建模知识，AI会引导用户完成数据输入并解释输出结果，最终生成一份包含详细指标和排序的报告。
该技能非常适合从事新能源项目开发、城市规划、可持续能源咨询的专业人士，以及需要对资产进行绿色升级评估的房地产管理者或投资者。它能够将复杂的地理空间分析和能源计算自动化，大幅提升前期资源盘点的效率。
建议在使用前确保输入的建筑数据（如轮廓、高度）尽可能准确，以获得更可靠的评估结果。此外，技能的经济性分析基于通用的市场参数，在实际项目决策中，建议结合当地具体的补贴政策、电价和安装成本进行微调。对于阴影分析，高精度的数字表面模型（DSM）数据将显著提升评估精度。
核心特点
与通用地理分析工具相比，它深度集成了光伏发电量模拟与经济性评估模型，能直接输出面向太阳能部署的、建筑级别的量化排名与可行性报告，而非仅提供地理或面积数据。
注意事项
不适合评估非屋顶（如地面、农光互补）光伏项目，且其精度高度依赖输入建筑数据和当地气象数据的质量。
常见问题
需要准备哪些数据才能使用这个技能？
至少需要目标区域的建筑轮廓矢量数据（如Shapefile），推荐提供数字表面模型（DSM）用于精确的阴影和坡度分析。
输出的经济性评估包含哪些具体指标？
通常包括初始投资估算、年发电收益、投资回收期、内部收益率（IRR）等关键财务指标，用于衡量项目可行性。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/geoskill-屋顶光伏资源盘点/raw/index.md 读取 Geoskill: 屋顶光伏资源盘点 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/geoskill-屋顶光伏资源盘点/raw/index.md（查看排版版本）