当前位置：首页 > news >正文

TimechoAI 时序大模型云服务开启试用！这份上手指南 + FAQ 请收好

news 2026/5/8 12:04:29

昨天，TimechoAI 时序大模型云服务正式开启内测！

很多朋友已经迫不及待开始体验，我们收集了首批体验用户最关心的问题，整理成这份「新手必读指南 + 高频 FAQ」，助你快速上手，扫清你在时序预测体验上的最后一块“绊脚石”。

01 一分钟了解 TimechoAI

🚀TimechoAI = 多模型灵活选择优化（涵盖时序大模型 Timer 最新版本 & 经典版本）+ 开箱即用的云服务

✅无需自建模型，即可获得高精度、低延迟的时序分析能力，让时序数据更快转换为预测与分析价值。

💡适合场景：销量预测、流量预测、能耗预测、指标异常检测……任何依赖历史时序数据预测未来的任务。

➡️详细的相关介绍也可参考昨天我们发布的文章：Timer 时序大模型云服务来了！TimechoAI 开放邀请体验。

02 新手指南：如何开始使用 TimechoAI？

你可以直接操作 TimechoAI 完成时序预测，也可以通过 API 与 SDK 接入，将 TimechoAI 的时序预测能力直接集成到自有业务系统中。

无论你选择如何体验 TimechoAI，统一的第一步都需要注册：

注册账号

访问 TimechoAI 控制台：https://ai.timecho.com/；
在注册页面点击“申请邀请码”；
填写公司名称、邮箱、手机号等信息；
提交后等待审核，通过后将收到邀请码；
使用邀请码完成注册，即可开始试用。

(1) 直接对话 TimechoAI 步骤

如果你选择直接操作 TimechoAI，在登录后你就可以与 TimechoAI 直接开始对话，开始时序预测。

以单变量预测为例，步骤如下：

选择模型

TimechoAI 默认选择 Auto（自动推荐）模式，可以根据你的数据特征自动推荐最合适的模型，将时序大模型技术、融合推理优化，达到超过现有时序大模型的效果。

你也可以手动选择 Timer-3.5、Timer 3.0、Chronos-2、AutoARIMA、Holt-Winters 模型，体验不同模型的预测效果。

输入数据

你有三种方式输入你的已有数据：

绘制曲线：可以直接在画布上拖拽出属于你的时序数据曲线，适合快速体验。

输入数据：按照提示的格式，录入你的时序数据，能够精确控制每个数据点。

上传文件：支持上传 CSV 和 TsFile 时序数据通用文件格式，拖拽即传，可以方便地将历史数据进行时序预测分析。

数据输入完成后，点击界面右侧蓝色的箭头符号，即可生成预测后的具体数据点及数据曲线。

你可以通过对话页面下方的“添加协变量（可选）”完成涵盖协变量的数据预测结果；也可以通过对话页面下方的各类数据示例，先尝试跑通预测任务，感受 TimechoAI 的实际效果。

(2) API/SDK 调用步骤

如果你选择通过 API 或 SDK 接入 TimechoAI，那么调用步骤如下：

登录控制台，获取访问凭证

1. 访问 TimechoAI 控制台：https://ai.timecho.com/；

注册/登录后，在“API Keys”页面找到 API KEY 展示区域；
点击右侧的眼睛图标，即可切换显示/隐藏完整的 API Key 值，用于后续接口调用。

API Key 相关备注：

每个账号默认拥有且仅有一个 API Key。
每次预测消耗预测请求 1 个额度，无论预测步长或数据量大小。
每日额度在每天 0:00 自动重置，未使用额度不累计至次日。
通过 Web 界面和 SDK 调用同样计入预测请求，需合并统计使用。
若每日 100 次额度无法满足业务需求，请联系天谋科技团队申请提升额度上限。

环境配置，发起第一个预测任务

REST 方式

以单变量预测为例，可以在终端中运行以下命令，将 API-Key 替换为您的实际 API 密钥：

curl -s -X POST https://ai.timecho.com/ai/api/v1/forecast \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <API-Key>" \
  -d '{
    "targets": [{
      "columns": ["value"],
      "data": [[120],[135],[142],[168],[195],[220],[285],[310],[345],[380],[420],[468],[125],[140],[155],[180],[210],[245],[295],[325],[360],[395],[440],[485]]
    }],
    "output_length": [5]
  }'

Python 方式

使用 Python SDK 进行预测，代码更加清晰易读。首先安装 SDK：

pip install timecho-ai

以单变量预测为例，可以运行以下代码，将 api_key 替换为您的实际 API 密钥：

import pandas as pd
from timecho_ai import TimechoAIClient# 读取示例数据
raw_df = pd.read_csv("https://ai.timecho.com/data/sample.csv")
print(raw_df.head())# 任务定义：输入 16 个点，预测 8 个点
INPUT_LENGTH = 16
OUTPUT_LENGTH = 8# 创建客户端（需替换为您的 API Key 和服务地址）
client = TimechoAIClient(api_key="your_timecho-ai_api_key")# 构建目标变量 DataFrame
target_df = raw_df[["time", "target"]][:INPUT_LENGTH]# 预测 "target" 未来 8 个点
forecast_dfs = client.forecast(
    targets=target_df,
    output_length=OUTPUT_LENGTH
)print(forecast_dfs[0])