Agent Skills › Zafer-Liu/Data-Analysis-Agent › timesfm

timesfm

GitHub

基于 TimesFM-3 进行单/多变量时序预测，支持销售数据等场景。通过本地 API 或 Docker 调用，涵盖数据校验、参数配置、模型运行及结果可视化，严禁虚构数据或用于商业决策。

skills/timesfm/SKILL.md Zafer-Liu/Data-Analysis-Agent

Trigger Scenarios

需要预测时间序列数据分析销售趋势请求使用 TimesFM 模型

Install

npx skills add Zafer-Liu/Data-Analysis-Agent --skill timesfm -g -y

More Options

Use without installing

npx skills use Zafer-Liu/Data-Analysis-Agent@timesfm

指定 Agent (Claude Code)

npx skills add Zafer-Liu/Data-Analysis-Agent --skill timesfm -a claude-code -g -y

安装 repo 全部 skill

npx skills add Zafer-Liu/Data-Analysis-Agent --all -g -y

预览 repo 内 skill

npx skills add Zafer-Liu/Data-Analysis-Agent --list

SKILL.md

Frontmatter

{
    "name": "timesfm",
    "tags": [
        "mode-ml",
        "forecasting",
        "modeling"
    ],
    "description": "通过本地 API 或 Docker 服务调用 TimesFM-3，进行单变量与多变量时序预测（forecast sales time series）",
    "allowedTools": [
        "get_schema",
        "query_data",
        "run_analysis",
        "generate_chart"
    ]
}

TimesFM-3 预测

使用已在设置 → 本地服务中启用的服务。不得安装模型、下载权重或自动转向收费云服务。服务未配置时引导用户配置，不生成虚构的预测。

使用 get_schema 确认日期、数值目标与可选商品/门店标识。查询检查重复时间、缺失值、等间隔及各目标日期对齐；不把缺失或缺货静默填零。
调用 run_analysis，analysis_name="Time_Series_TimesFM3"；SQL 只读取已观测历史，target_column 指定数值列。
analysis_options 示例：{"time_column":"date","series_column":"series_id","horizon":7,"frequency":"D","backtest_steps":7}。联合预测限 1–8 个商品；只把相关商品分成一组，不把编号当作预测目标。宽表可用 target_columns，与 series_column 二选一。
horizon 明确控制预测期，默认 7；n_deciles 不用于本分析。backtest_steps 默认 0，无标签不能声称准确率。历史回测只作对照，不当作独立无偏的最终测试。
基于 analysis_result 绘图：ds、y_actual、y_pred、series_id。analysis_breakdown 保存历史回测指标；analysis_run_info 保存版本、数据哈希、设备、耗时与单位。