面向基于AI的次季节至季节（S2S）预报系统的端到端构建工具，可生成可运行的PyTorch代码，支持FuXi风格、FengWu风格和AIFS启发式模型，包括基于CRPS的概率训练

该技能适用于包括分类、回归、聚类、预测、异常检测、分割和相似性搜索在内的时序机器学习任务。当处理时间数据、序列模式或需要超越标准机器学习方法的专用算法的时间索引观测值时，请使用此技能。特别适用于单变量和多变量时间序列分析，并支持与scikit-learn兼容的API。

查询FRED（美联储经济数据）API，获取来自100多个来源的80多万条经济时间序列数据。访问国内生产总值、失业率、通货膨胀率、利率、汇率、房地产及区域数据，适用于宏观经济学分析、金融研究、政策研究、经济预测以及需要美国和国际经济指标的学术研究。

使用 Google 的 TimesFM 基础模型进行零样本时间序列预测。无需训练自定义模型，即可对任何单变量时间序列（如销售、传感器、能源、生命体征、天气）进行预测。支持 CSV/DataFrame/数组输入，提供点预测和预测区间。包含预运行系统检查脚本，可在首次使用前验证内存和 GPU 状态。