timeseries-skill

timeseries-skill，提供时序分析、预测、多序列关系分析和证据化决策能力，以及带交互画布的 DSH 集成插件。

安装插件

当前发布方式是 DSH 源码宿主 + 宿主补丁 + npm 插件。完整工作台依赖补丁提供的双栏布局和会话占用接口，plugin add 只安装插件并登记配置，不会应用宿主补丁或安装 Python 依赖。当前没有一键部署脚本。

截至 2026-09-16，已验收的官方 master 基准为，精确发布标签 [dsh-v0.1.6-alpha.1]

首次部署按 完整部署步骤 安装并构建宿主、创建 Python 环境、安装插件和登记 Skill。以下命令适用于已经完成宿主适配的环境；DSH_SOURCE 指向该 DSH 源码目录，TIMESERIES_PYTHON 指向已安装本仓库 requirements.txt 的 Python。

发布到 npm 后，安装指定版本：

(cd "$DSH_SOURCE" && pnpm dsh plugin --profile web add dsh-timeseries-workbench@0.1.0)
(cd "$DSH_SOURCE" && pnpm dsh --profile web)

源码开发：

npm --prefix integrations/dsh install
npm --prefix integrations/dsh run build            # 必须先构建前端产物 lib/client.js
(cd "$DSH_SOURCE" && pnpm dsh plugin --profile web add "$PWD/integrations/dsh")

验证安装：

(cd "$DSH_SOURCE" && pnpm dsh --profile web --dump-config)

配置输出应包含 dsh-timeseries-workbench 层。该包声明 dsh.bundle.patch，dsh plugin add 会同时登记依赖与 dsh.profile.bundles 里的配置层；这与需要应用、构建的 DSH 源码补丁 是两件事。Skill 登记完成后，在新会话进入「TS 工作台」并上传文件。改了包名或客户端注入列表后必须重新执行 add 重建链接并刷新 cordis.patch.yml 的行名，否则浏览器模块表的按名索引会失败。

插件在加载阶段解析 Python skill root：优先 skillRoot 配置，其次 TIMESERIES_SKILL_ROOT，再依次尝试包内 python/ 与源码布局的两级上层目录。解析失败会直接报错并列出尝试过的路径，不会拖到第一次工具调用。

预测模型部署

预测走独立的 Toto2 HTTP 服务，未启动时只有预测类工具报服务不可用，其余能力不受影响。可使用其他模型充当预测模型。

python -m services.toto2_server.server \
  --host 127.0.0.1 --port 9999 \
  --model-path /absolute/model/path --device cuda --local-files-only
curl -s http://127.0.0.1:9999/ready      # 就绪后返回 {"status":"ready",...}

服务提供 /health、/ready、/forecast、/forecast-distribution 四个端点。模型实际加载失败时服务仍会启动，/ready 返回 not_ready 并附带原因。

功能

TS 工作台：空白会话输入框上方的「进入 TS 工作台」按钮直接切到工作台与对话分栏，不发送消息、不改写历史。拖入或选择文件即可上传；侧栏控制多序列、缩放、事件框选与元信息编辑，右侧保留 DSH 原对话框。曲线使用文件中的真实时间轴，缺少时间时显示索引轴。序列首次提交成功后插件会占用当前会话，之后「新会话」创建干净 session。

会话内共享引用：上传完成即得到 series_id / series_ref / revision，对话 loader 载入的序列出现在同一目录。元信息与事件保存生成新的不可变快照，旧结果仍指向生成时的版本。「引用到对话」把所选序列的引用、metadata、事件摘要、可见窗口和最近结果引用写入 [TS_WORKBENCH_CONTEXT] 块，不复制原始数值。

统一导入：固定解析支持 JSON、JSONL、CSV、TSV、文本数值和 XLSX；DOCX 与文本 PDF 经提取后进入固定解析或独立 LLM 回退；扩展名不限的文本按内容识别。同一个导入作业依次尝试固定解析、Python 权威校验，必要时才调用与对话上下文隔离的解析模型。原文件、提取文本、parsed.json 与独立 LLM 请求审计都保留在作业目录，导入成功以数据库事务提交为准。

24 个模型工具分四类（23 个来自 Python registry，另加一个 DSH 宿主的图表工具）：

分析与关系结果以不可变 result_ref 保存，工作台卡片与对话引用读同一份结果，刷新后从 SQLite 恢复。异常点与最新预测按源快照时间轴对齐并可在侧栏叠加。一个结果可绑定多个源快照，任一来源变化后保留卡片但标记需复核。

视觉优先：timeseries_render_chart 由插件在宿主侧注册（不走 Python registry），返回可直接进入模型上下文的持久 PNG，不需要浏览器或预测模型参与，也不需要额外读取文件。默认开启，可用 chart.enabled: false 关闭，关闭时该工具不出现在工具列表中。它需要当前会话模型声明图片输入，否则按报错处理而不是静默退化成数值路径。涉及趋势、季节性、平稳性、异常、变化点、波动、跨序列关系、滞后对齐、机制切换或历史与预测分歧的问题，SKILL.md 要求先看图定性、再用数值工具验证或量化。详细输入、窗口与失败语义见 图表契约。

事件与条件预测：事件使用 UTC start/end 或时间步 start_index/end_index 闭区间，支持稳定 event_id、描述、分组和 expected_impact。时间步事件支持后续预测区间，补齐时间信息后按对应观测位置投影。

证据纪律：工具输出是测量值而非结论。SKILL.md 要求区分供给事实、测量、预测、假设与解释，标注窗口与代表性，不把低 p 值或平滑曲线当作可靠性证明，也不把缺失证据当作无效应；用「可用 / 受限 / 不可估计」表达结论强度，不编造标定置信度。

资源上限：浏览器上传 8 MiB；单次导入最多 256 条序列、500000 个点；单次元信息补丁最多 256 条事件；单次事件证据最多 32 条事件；预测视界上限 4096 步，滞后扫描与自相关上限同为 4096。权威文件为 <workspace>/work/<sessionId>/timeseries-runtime.sqlite3，文件权限 owner-only。

结构

• core/、runtime/：规范数据、不可变序列版本、SQLite 文档目录与结果存储。
• SKILL.md、references/：唯一模型入口与渐进披露模块 —— 路由用的 analysis.md、forecasting.md、decision.md，按需读取的契约 loader-contract.md、memory-contract.md、chart-contract.md、analysis-contract.md、forecasting-contract.md、contextual-forecast.md、decision-record-contract.md、decision-scenarios.md。
• tools/：分析、预测、关系证据、决策记录和 memory 工具。
• integrations/dsh/：唯一 DSH 插件，包含上传解析、工作台、工具桥和结果投影；发布为 npm 包 dsh-timeseries-workbench。
• models/、services/：独立部署的 Toto2 预测后端。
• data/schema/：工具输入输出契约，运行时按需读取。

发布与后续修改

部署细节见 DSH 部署，数据与接口见 插件说明。