用于行业时间序列预测的人在环自主代理

现实世界的时间序列预测很少是一次性模型调用：从业者必须制定任务、连接数据和模型、结合领域专业知识、评估预测的合理性并传达不确定性。专业预测模型提供强大的数值预测，但通常在固定管道中运行，而通用 大语言模型 (LLM) 代理通常缺乏预测特定的检查、约束和停止规则。我们推出了 CastClaw，这是一种通过面向预测的Harness工程构建的人机交互自主预测系统。 CastClaw 在一个运行时中连接数据、专用模型、分析工具、用户输入和版本化执行记录。用户用自然语言指定目标、范围、约束和假设。从提供的或模型生成的预测开始，CastClaw 检查时间模式和用户约束；当证据丢失时，它会检索上下文，运行分析或其他模型，或者询问用户。然后，它会在明确的停止条件下保留、修改或升级结果。输出包含最终预测和记录输入、证据、行动和修订的执行报告。在这个包含五个数据集的电价设置中，CastClaw 报告了 16 个基线中最低点估计的 MSE 和 MAE。 Nord Pool 案例展示了可检查的工作流程。 CastClaw 还根据华北地区 2026 年 1 月至 6 月的省级电力负荷数据进行了离线验证。