用途：引导用户构建确定性（单成员）天气预报推理脚本，核心调用 earth2studio.run.deterministic。前置条件为已安装 Earth2Studio、具备 CUDA GPU、Python 3.10+，并需联网获取模型权重与数据。
主要能力与流程：先收集需求（预报时长、变量、区域、GPU/VRAM），再依次选择预报模型、数据源、IO 后端，计算 nsteps，决定是否用 output_coords 过滤变量，最后生成脚本。模型需关注输入变量 input_coords["variable"] 与时间步长 output_coords["lead_time"]；数据源必须提供模型全部输入变量，可通过 earth2studio/lexicon/<source>.py 校验，常见搭配为全球模型配 GFS/ARCO_ERA5/IFS，区域模型配 HRRR。IO 默认 ZarrBackend，兼容旧工具可用 NetCDF4Backend，内存或小规模运行可用 XarrayBackend。nsteps = forecast_hours / model_step_hours，例如 5 天、6 小时步长即 120/6=20。
使用方式：脚本导入模型、数据源、IO 与 deterministic，用 load_default_package() 加载权重，时间参数用 ISO 8601 格式 "YYYY-MM-DDTHH:MM:SS"，device 设为 torch.device("cuda")。若用户明确要求手动实现，则按 fetch_data、构建 total_coords、io.add_array、create_iterator、循环 nsteps、map_coords、split_coords、io.write 的顺序执行。
限制：不负责集合预报、诊断、仅取数、安装与模型训练；所有预报模型需 CUDA，不支持 CPU 推理；建议推荐组件前先获取在线文档，因 API 会随版本变化；风速需同时包含 u10m 与 v10m。