AI销量预测助手

这是基于Amazon Chronos-2零样本时序大模型的销量预测工具，核心功能含零样本概率预测、多分位数输出带置信区间、自动数据校验、多格式输入及生成交互式HTML报告。适用于销量、趋势、时序预测场景，输入需为含日期和销量列的CSV/Excel等文件，通过命令行运行，无需训练，开箱即用。

bettermen

热度 22.23

最近更新 2026-06-13 14:51:55

分类：数据依赖：代码执行 / 读写文件 / 第三方 API应用场景：数据处理 / 报告撰写 / 财务

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add sales-forecast-pkg

Metadata

name: sales-forecast
description: AI销量预测助手。基于 Amazon Chronos-2 (120M) 零样本时序大模型，输入历史销量数据（CSV/Excel），自动生成多分位数概率预测、置信区间和交互式HTML可视化报告。当用户询问销量预测、销售预测、趋势预测、时序预测时使用。
version: 1.0.0
metadata: {"openclaw":{"requires":{"bins":["python3"],"env":[]},"emoji":"📈","homepage":"https://github.com/bettermen/sales-forecast"}}

Sales Forecast - Chronos-2 销量预测

基于 Amazon Chronos-2 零样本时序大模型（120M 参数），零训练、开箱即用的销量预测工具。

功能

零样本概率预测：无需训练，直接对历史销量数据推理
多分位数输出：默认 10%/50%/90% 分位数，自带置信区间
自动数据校验：智能检测列名、推断时间频率、处理缺失值
交互式报告：Plotly 生成 HTML 可视化报告，含趋势图和逐期明细
多格式输入：CSV、Excel (.xlsx/.xls)、JSON、Parquet

输入数据格式

CSV 文件至少包含两列：日期和时间序列数值。

timestamp,sales
2024-01-01,245
2024-01-02,238
2024-01-03,252

使用方法

# 安装依赖
pip install chronos-forecasting pandas plotly openpyxl

# 运行预测（预测未来 30 期）
python3 {baseDir}/scripts/forecast.py \
  --input sales.csv \
  --output results/ \
  --prediction-length 30 \
  --quantiles 0.1,0.5,0.9

# 生成 HTML 报告
python3 {baseDir}/scripts/report_gen.py \
  --data results/forecast_data.json \
  --output report.html

命令行参数

forecast.py

参数	说明	默认值
`-i, --input`	输入数据文件路径	必填
`-o, --output`	输出目录	必填
`-p, --prediction-length`	预测步数	30
`-q, --quantiles`	分位数（逗号分隔）	0.1,0.5,0.9
`-c, --context-length`	最大上下文长度	2048
`--hf-endpoint`	HuggingFace 镜像地址	hf-mirror.com

report_gen.py

参数	说明	默认值
`-d, --data`	forecast_data.json 路径	必填
`-o, --output`	输出 HTML 文件路径	必填

模型信息

模型：amazon/chronos-2
参数量：120M
上下文长度：默认 2048
支持 CPU/GPU 推理
论文：Chronos-2: From Univariate to Universal Forecasting

注意事项

首次运行会下载模型（~500MB），国内建议设置 HF_ENDPOINT=https://hf-mirror.com
建议最少 30 个历史数据点
CPU 推理约 10-30 秒/序列
所有发布到 ClawHub 的技能使用 MIT-0 许可