用途
Nixtla Baseline Review 用于审阅一个具体的 Baseline Lab 结果集。它的目标是对模型进行排序、给出聚合与逐序列证据，并把基准结论限定在产生它们的数据集、预测窗口和序列样本之内。该仓库被明确说明为社区集成，而非 Nixtla 官方产品或对整个基准的独立复现。
前置条件
需要提供 results_*.csv 的路径，或包含该文件的目录。文件必须包含以下列：series_id、model、sMAPE、MASE。
使用方式
- 使用 Glob 解析输入。若匹配到多个结果文件，会列出其路径与修改上下文，并要求用户选择；不会在未确认的情况下静默合并不同运行结果，或把某个文件当作“最新”。
- 使用 Read 检查表头、代表性行、同级的汇总文件，以及存在时的 run_manifest.json 或 compat_info.json。记录这些产物实际支持的数据集、预测窗口、序列数量、模型、频率和季节周期。
- 运行内置分析器：
python3 ${CLAUDE_SKILL_DIR}/scripts/analyze_results.py path/to/results.csv
- 检查分析器回执，关注被拒绝的行、重复的序列/模型对、并列、模型覆盖度以及非有限值。遇到 schema 或数值失败时应停止，而不是对部分数据求平均。
- 按用户指定的指标排序；否则先以 sMAPE 的均值和中位数为准，再报告 MASE 和胜出计数作为辅助证据。不应把微小的均值差异表述为分类性结论。
- 检查模型分歧的序列或所有已报告误差都偏高的序列。除非源数据的时间戳、季节性协变量确实支持，否则只能把观察到的模式表述为假设。
- 仅针对已观测的评估给出有边界的建议。在将任何模型称为可生产使用之前，需要样本外验证、成本/延迟检查以及运维审查。
指标护栏
- sMAPE 和 MASE 越低越好，但两者都没有通用的“良好”阈值。
- 解读 MASE 时必须结合该次运行使用的缩放分母和季节周期。某模型的 MASE 低于 1，表示其测试 MAE 低于样本内朴素基准的缩放值；它并不证明在所有情况下都有固定百分比的改进。
- 不应声称 SeasonalNaive 的预测在留出数据上 MASE 必然恰好为 1。详见结果与指标契约。
验证
- 引用实际使用的 CSV 以及任何 manifest/汇总文件。
- 核对报告的行数与“序列数 × 模型覆盖度”是否一致。
- 展示并列和缺失的模型/序列组合，而非隐藏它们。
- 保留单位：Baseline Lab 将 sMAPE 写为百分点。
- 绝不虚构 TimeGPT、基准或生产性能结果。
输出
返回内容包括：范围与来源、数据质量回执、各模型的 sMAPE 均值/中位数/标准差、MASE 均值/中位数、序列胜出计数与并列、失败案例、有边界的建议、不确定性，以及可复现的后续步骤。
错误处理
- 无结果文件：说明预期的文件名/schema，并指向 Baseline Lab 运行流程；不编造示例指标。
- 多个结果文件：要求用户选择，或明确批准跨运行比较。
- 无效或重复行：报告确切行号并停止聚合。
- 缺少运行元数据：仍分析 CSV，但把数据集/预测窗口/频率标注为未知，除非文件名或同级产物能够确定它们。
- 请求 TimeGPT 但没有结果：说明无可用的对比，绝不从 StatsForecast 行推断托管模型性能。
示例提示
- 审阅 nixtla_baseline_m4/results_M4_Daily_h7.csv。按 sMAPE 中位数排序，展示并列和缺失覆盖，结论仅限本次运行。
- 使用 sMAPE 和 MASE 两项指标比较 AutoETS 与 AutoTheta，找出两项指标结论不一致的序列，不使用泛化的准确率标签。
资源
- 结果 schema 与指标护栏
- 分析器：scripts/analyze_results.py
- 运行时源码：005-plugins/nixtla-baseline-lab/scripts/nixtla_baseline_mcp.py