🎁 福利专区全网大模型免费应用 + 新用户福利 + 注册活动入口,低成本玩转 AI
广告☁️ 云服务器特惠阿里云首购 8 折 · 腾讯云合作特惠
DeepSeek Harness Hub
← 返回列表

Crash0524/Timeseries-Workbench-DSH

DeepSeek Harnessspec-screened扫描:中风险在 GitHub 查看 ↗
需源码安装

为时序工作者提供的时序工作台

暂不能直接安装(需源码编译或环境不满足):缺少 main/exports/bin 入口声明;仓库 package.json 标记 private,未发布到 npm,需从源码安装。 · 最近上游提交 2026/9/16 · 已提供中文文档
综合分
30.3
GitHub 分
30.3
用户评分
—
★ Stars
1
周下载量
—
安装插件(需先安装 dsh CLI 引擎:npm install -g @deepseek-ai/dsh)
dsh plugin --profile web add Crash0524/Timeseries-Workbench-DSH
缺少 main/exports/bin 入口声明;仓库 package.json 标记 private,未发布到 npm,需从源码安装,改用 GitHub 源安装
信任档位:已验证本站已于 1 天前真实安装成功
是什么
dsh 原生插件 · other
装得上吗
本站已真实安装成功(非静态推断)
安全吗
本站尚未对该插件做风险分级(暂未覆盖,不等同于无风险)
还在维护吗
活跃:最近一次提交在 9 天前

档位由下列信号合成:本站实装验证(真实安装,当前最高到 L4)· 验证所用 dsh 版本 · 静态安装检查 · 风险分级 · 仓库维护状态。下方各区块是它的证据明细。 验证判据与等级说明 →

🟢实装验证通过· 2026/9/24
由本站实装验证器在真实 dsh 环境安装成功,非静态推断。
数据截至 2026/9/20(元数据每日更新 · 实装验证按队列轮转,单条结论的验证时间见上方)
安装兼容性检查需源码安装

以下结论由程序自动检查 npm 包、engines 声明与入口文件得出,未做人工实机验证——能装不等于用着没问题。

✗npm 包timeseries-skill(未发布到 npm,仅可源码安装)
✓Node 引擎要求 >=20.10 · 基线 Node 22.19 满足
✓dsh CLI 依赖未声明 dsh 版本约束
✗入口文件缺少入口声明

缺少 main/exports/bin 入口声明;仓库 package.json 标记 private,未发布到 npm,需从源码安装

验证方式:npm registry 存在性 + package.json 静态校验 · 最后验证 2026/9/21 11:07:03

用户评分
还没有人投票,来当第一个
订阅周报,不错过优质插件更新
每周一封 · 高评分插件 + 新用户活动

README

由 DeepSeek 最新模型翻译生成
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。

TS 工作台与 DSH 对话分栏

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",...}

| 参数 / 环境变量 | 默认值 |
| --- | --- |
| --host / --port | 127.0.0.1 / 9999 |
| --model-path(FORECAST_MODEL_PATH、TOTO2_MODEL_PATH) | Datadog/Toto-2.0-2.5B |
| --device(FORECAST_MODEL_DEVICE、TOTO2_DEVICE) | cuda |
| --max-context / --decode-block-size | 4096 / 768 |
| 服务地址(插件侧 TOTO2_SERVICE_URL) | http://127.0.0.1:9999 |

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):

| 类别 | 工具 |
| --- | --- |
| 生命周期与数据 | timeseries_loader、timeseries_metadata、timeseries_info、timeseries_values |
| 描述与分析 | summary_statistics、trend_analysis、seasonality_analysis、autocorrelation、stationarity_test、volatility_analysis、anomaly_detection、change_point_detection |
| 多序列关系 | association_analysis、lag_analysis、similarity_analysis、coherence_analysis、predictive_value_analysis、granger_test |
| 预测与决策 | timeseries_forecaster、timeseries_event_evidence、timeseries_decision_record、timeseries_memory_commit、timeseries_memory_recall |
| 视觉 | timeseries_render_chart |

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 /work//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。

上游仓库有新提交时邮件通知你(每天最多一封,无更新不打扰),随时一键退订。

💬 加入社群

插件用法、部署报错、新插件第一时间同步——群里问,比一个人翻文档快。

DPharness QQ 群二维码,QQ 扫码进群
QQ 扫码进群
DPharness 飞书群二维码,飞书扫码进群
飞书扫码进群