首页
>
资源
>
产品发布

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

2026-05-07
  • #产品发布

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。

TimechoAI FAQ 图1-20260507.png

💡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

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

  2. 在注册页面点击“申请邀请码”；

  3. 填写公司名称、邮箱、手机号等信息；

  4. 提交后等待审核，通过后将收到邀请码；

  5. 使用邀请码完成注册，即可开始试用。

TimechoAI FAQ 图2-20260507.png

(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。

TimechoAI FAQ 图3-20260507.jpg

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。

TimechoAI FAQ 图4-20260507.jpg

  • 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。

TimechoAI FAQ 图5-20260507.jpg

TimechoAI FAQ 图6-20260507.jpg

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。

TimechoAI FAQ 图7-20260507.jpg

(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/；

2. 注册/登录后，在“API Keys”页面找到 API KEY 展示区域；

3. 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：

  1. 每个账号默认拥有且仅有一个 API Key。

  2. 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。

  3. 每日额度在每天 0:00 自动重置，未使用额度不累计至次日。

  4. 通过 Web 界面和 SDK 调用同样计入预测请求，需合并统计使用。

  5. 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。

TimechoAI FAQ 图8-20260507.jpg

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])

03 FAQ 解答

1. 模型的输入输出长度有什么限制？

  • 模型输入长度：最多 2,880 个数据点，支持最多 20 个协变量；

  • 模型输出长度：最多 720 个预测点；

  • 私有化部署：支持更大规模的数据输入，具体上限以实际部署配置为准。

2. Timer 不同版本之间有什么区别？推荐使用哪个版本？

Timer 系列模型持续迭代升级，版本越新，预测精度越高。目前推荐使用最新版本 Timer-3.5，其在多类时序任务上的预测表现最优。

3. 模型多次预测的结果会有较大偏差吗？

不会。Timer 模型在相同输入下输出结果稳定，多次预测结果的波动范围小。最终预测质量主要取决于输入数据的质量与完整性，建议确保输入数据无缺失、无异常值。

4. 模型是否支持微调？

支持。我们提供基于特定场景数据的模型微调服务，可有效提升模型在垂直领域或特定业务场景下的预测表现。如有微调需求，欢迎联系我们获取支持。

5. API 返回 401 错误怎么办？

401 表示认证失败，请检查：

（1）API 密钥是否正确（注意区分大小写）；

（2）请求头是否包含 Authorization: Bearer {API-Key}；

（3）API 密钥是否已过期或被删除。

6. API 返回 429 错误怎么办？

429 表示请求过于频繁，已触发限流，请降低请求频率。

7. 预测结果不准确怎么办？

可以尝试以下方法：

（1）提供更多历史数据；

（2）添加相关的协变量；

（3）检查数据是否有异常值或缺失值。

04 反馈与帮助

TimechoAI 正处于快速迭代期，你的每一条反馈都至关重要！

📖 最新文档：持续关注 https://ai.timecho.com/docs

📧 邮件支持：内测问题请发送至 cloud@timecho.com

💬 内测用户群：联系小助手欧欧（微信号 apache_iotdb）加入

立即尝试 TimechoAI，如果您有任何建议或想法，欢迎告诉我们👉 https://ai.timecho.com

更多内容推荐：

• 试用时序大模型服务平台 TimechoAI

• 咨询时序大模型 Timer