TimesFM от Google прогнозирует твои продажи, заявки и трафик прямо в Claude Code
- звёзд на GitHub
- 35K
- моделей обучать
- 0
- оперативки хватит
- 4 ГБ
Я Алексей, у меня на сервере 24/7 работает команда моих агентов в Telegram. Как собрать своего на Claude Code или Codex, показываю в трёх уроках workshop.alekseimedia.com
Каждый день разбираю в канале то, что сам поставил и проверил t.me/alekseimediaru
Google Research выложил в открытый доступ TimesFM, ИИ-модель, которая прогнозирует твои цифры. Даёшь ей свою историю, например продажи по неделям, новые заявки или посещения сайта, и она показывает, что будет дальше. Ничего обучать не нужно: модель уже обучена. И ты получаешь не одну цифру, а коридор от низкого до высокого сценария.
Что это
Модель прогнозирования TimesFM сделали в Google Research. Код открыт по лицензии Apache 2.0, у репозитория 35K звёзд на GitHub. Модель уже обучена и работает без дообучения: строить и учить свою модель не нужно, просто даёшь ей свои данные.
На каждый шаг вперёд ты получаешь самое вероятное значение и коридор от 10-го до 90-го перцентиля. Проще говоря: низкий сценарий, вероятный и высокий, и сразу видно, какой у прогноза разброс.
Модель умеет учитывать то, что ты уже знаешь о будущем: праздники, акции, цены, прогноз погоды. Добавляешь их отдельными столбцами рядом со своими цифрами, и TimesFM учитывает их в прогнозе.
В репозитории есть готовый скилл для агента, timesfm-forecasting. Он проверяет память и диск компьютера до загрузки модели, читает твой файл и выдаёт прогноз с коридором. Промпт ниже поручает Claude Code всё это поставить за тебя.
Больше нравятся таблицы? Google Таблицы тоже умеют прогнозировать с TimesFM, через Connected Sheets для BigQuery: Advanced Analytics, потом Create a Forecast.
Шаги
Шаг 1. Открой Claude Code
Создай пустую папку, например forecast, и открой в ней Claude Code.
Шаг 2. Вставь промпт
Claude проверит компьютер, поставит TimesFM и его скилл по закреплённому проверенному списку и скачает модель, около 900 МБ. Перед каждой установкой или загрузкой он скажет, что это, и дождётся твоего «да». Если что-то не встанет, он скажет, что делать.
Шаг 3. Дай свои цифры
Сохрани продажи, заявки или трафик в файл CSV со столбцом даты и столбцом с числом. Excel и Google Таблицы умеют сохранять таблицу в CSV. Данных под рукой нет? Claude сделает файл-пример, чтобы ты посмотрел, как это работает.
Шаг 4. Посмотри прогноз
Claude покажет график с твоей историей, вероятной линией и коридором от низкого до высокого сценария, плюс таблицу, которую можно открыть в Excel или Google Таблицах. Дальше спрашивай ещё, например: «Спрогнозируй мои заявки по неделям на 12 недель вперёд» или «Добавь праздники и мои запланированные акции и пересчитай прогноз».
Скопируй в Claude Code
Поставь на мой компьютер модель прогнозирования TimesFM от Google вместе с её официальным скиллом для агента, с закреплёнными точными версиями, а потом спрогнозируй мои цифры. ПОДГОТОВКА Работай только внутри текущей папки. Создай в ней папку forecast; если это имя занято, возьми новое и никогда не удаляй и не перезаписывай файлы, которые здесь уже были. Сначала проверь, что на компьютере есть Python 3.12, не меньше 4 ГБ оперативной памяти и 4 ГБ свободного места на диске; на Linux нужно 15 ГБ свободного места, потому что PyTorch там ставит ещё библиотеки CUDA от NVIDIA, около 3 ГБ на скачивание. Если Python 3.12 нет, остановись, скажи мне поставить Python 3.12 с python.org обычным установщиком и жди меня. Никогда не используй sudo. Перед каждой установкой или загрузкой скажи мне одной строкой, что это, и жди моего ОК. Не проси меня запускать команды. 1) Пакеты. Каждый пакет закреплён в файле, который я подготовил и проверил: https://blog.alekseimedia.com/assets/kits/forecast/requirements.txt. Скачай его в папку проекта байт в байт, не через инструмент, который пересказывает или переписывает страницы, и сверь его SHA-256: 5277f8e9aa47ab0d29ac9b0870b88d56b5a5330da57c496485cbdf094598d058. Если не совпал, остановись и скажи мне. Создай виртуальное окружение Python 3.12 внутри папки проекта и ставь только из этого файла: pip install --require-hashes --only-binary=:all: -r requirements.txt (TimesFM 3.0.2 с PyTorch, JAX и scikit-learn для праздников и цен, pandas и matplotlib; каждый файл проверяется по хешу). Не добавляй, не обновляй и не удаляй пакеты. 2) Скилл. Скилл для агента состоит из 6 файлов из github.com/google-research/timesfm, коммит e51928e27119cb17bebc005be2696b75e0a9e688, папка timesfm-forecasting. Скачай https://blog.alekseimedia.com/assets/kits/forecast/SHA256SUMS.txt байт в байт и сверь его SHA-256: b2a754656524111826b2b438b4cdde6bfa149996cd1c357a89c5502a56e8edea. Если не совпал, остановись и скажи мне. В этом файле перечислены 6 файлов скилла и SHA-256 каждого. Скачай каждый файл из этого списка, и больше ничего, по адресу https://raw.githubusercontent.com/google-research/timesfm/e51928e27119cb17bebc005be2696b75e0a9e688/timesfm-forecasting/ плюс его имя, в .claude/skills/timesfm-forecasting внутри папки проекта, сохраняя подпапки, байт в байт. Сверь SHA-256 каждого файла; если хоть один не совпал, остановись и скажи мне. Прочитай SKILL.md и действуй по нему, с двумя исключениями: вместо команд установки из скилла используй виртуальное окружение выше и никогда не ставь ничего другого, что он предлагает. 3) Модель. Бери TimesFM 2.5: её веса под Apache 2.0, их можно использовать в бизнесе. Не бери TimesFM 3.0: её веса для скачивания только для некоммерческого использования. Из google/timesfm-2.5-200m-pytorch на Hugging Face скачай только config.json и model.safetensors в ревизии 1d952420fba87f3c6dee4f240de0f1a0fbc790e3 в models/timesfm-2.5-200m внутри проекта. Сверь SHA-256: у model.safetensors 2f776efe6245e42b24bc4153ffdf61810140210e4bd3b01fb21f7aa779ab6ce8, у config.json cd3315b760d5cc7e278d7afdf41b897031ced888fc6c115bd9b3ac0ea2c47408; если хоть один не совпал, остановись и скажи мне. Загружай модель из этой локальной папки с переменной HF_HUB_OFFLINE=1, чтобы больше ничего не скачивалось: скрипты скилла грузят модель по её имени на Hugging Face, поэтому передай им локальную папку. Это единственные загрузки, больше ничего не скачивай. Потом запусти проверку системы из скилла, scripts/check_system.py, и скажи мне простыми словами, готов ли мой компьютер. ПРОГНОЗ Попроси у меня файл: CSV со столбцом даты и числом, которое я хочу спрогнозировать, например продажи, заявки, заказы или посещения сайта. Если файла у меня пока нет, сделай пример с продажами по неделям за два года, чтобы я посмотрел, как это работает. Сначала посмотри на данные: скажи мне, какие там столбцы, какой период и какой шаг (день, неделя или месяц), и обработай пропуски так, как написано в руководстве скилла по данным. Спроси, на сколько шагов вперёд я хочу смотреть; если я не скажу, бери 12 шагов. Сделай прогноз с TimesFM и сохрани в папку out в проекте: forecast.png (моя история, самая вероятная линия и коридор от 10-го до 90-го перцентиля) и forecast.csv со столбцами date, low, likely, high (дата, нижняя граница, вероятное значение, верхняя граница), который я смогу открыть в Excel или Google Таблицах. Открой мне график, потом объясни результат тремя простыми предложениями: куда идут цифры, какой низкий и какой высокий сценарий и насколько широкая неопределённость. Если я знаю что-то о будущем, например праздники, акции, изменения цен или прогноз погоды, помоги мне добавить это столбцами, которые покрывают и прошлое, и период прогноза, потом пересчитай прогноз с ковариатами, как описано в скилле, и покажи мне оба прогноза рядом. В конце напиши в проекте HOW-TO.md: какой файл я меняю на новые данные и что тебе сказать, чтобы получить свежий прогноз. Я не программист: всё, что можно сделать самому, делай сам.
Что ещё важно
Много рядов сразу
Спрогнозируй каждый товар, магазин или канал за один запуск: скилл умеет считать много рядов пачкой. Дай Claude один файл, где у каждого свой столбец, или по строке на каждый ряд и дату.
Необычные дни
Значение, которое вышло за коридор, необычное. Попроси Claude сравнить прошлый месяц с прогнозом и показать дни, которые выбились из общей картины.
Прогнозы в Google Таблицах
Если твои данные уже лежат в BigQuery, открой их как Connected Sheet, потом Advanced Analytics, Create a Forecast. График Таблицы нарисуют сами.
Честно
- TimesFM находит закономерности в твоей истории. Про нового конкурента, вирусный пост или изменение цены он не знает, пока ты не добавишь это столбцом. Считай прогноз отправной точкой, а не обещанием.
- Праздники, акции, цены и погода не встроены: ты добавляешь их столбцами за прошлое и за период прогноза. Сам TimesFM их не ищет.
- Код и модель TimesFM 2.5 из промпта под Apache 2.0, так что их можно использовать в бизнесе. Веса новой TimesFM 3.0 только для некоммерческого использования, если скачивать и запускать их самому; для бизнеса Google даёт 3.0 через BigQuery. Эта открытая версия не является официально поддерживаемым продуктом Google.
- Модель работает на твоём компьютере, видеокарта не нужна, и TimesFM никуда не отправляет твои данные. Claude Code при этом читает твой файл, чтобы с ним работать, как любой файл, который ты показываешь Claude, а установка тратит твои лимиты Claude.
- Каждый пакет берётся из закреплённого проверенного списка и сверяется по хешу, так что ничего не поменяется без твоего ведома. Но всё это работает на твоём компьютере с правами обычного пользователя, как любое приложение, которое ты ставишь: папка держит файлы в порядке, но это не песочница.
- Путь через Google Таблицы требует, чтобы данные лежали в BigQuery, облачной базе данных Google, внутри проекта Google Cloud. BigQuery входит в Google Cloud, и у него свои тарифы.
Хочешь агента, который работает на тебя?
Такие сценарии и агентов, которые их запускают сами, разбираю на воркшопе: три записанных урока, после них у тебя свой агент в Telegram, который работает 24/7.
Смотреть воркшопНужно лично: созвон 1 на 1агент под ключ