用途：对有序时间目标做零样本预测，无需针对任务训练模型。它不做因果推断、临床检测或物理气候建模。零样本仅指拟合方式，不代表未见过基准数据或在新领域准确。
主要能力：支持 2.5（200M，Apache-2.0 权重，默认本地流程）与 3.0（约330M，下载权重限非商业非生产使用）两版检查点；输出均值与 9 个分位数；2.5 的中位数索引为 5，3.0 为 4。支持 CSV 助手、XReg 协变量与异常筛查。
必要用法：先确定节奏、单位、预测原点、预测期、原点已知协变量、评估切点及朴素基线；验证排序、唯一、规则的时间网格，内部缺口不要 dropna()，拒绝非有限输入。先运行 python scripts/check_system.py，再加载权重。安装示例：uv venv .venv-timesfm 和 uv pip install --python .venv-timesfm/bin/python "timesfm[torch]==3.0.2" numpy pandas。2.5 需 compile 显式正数 context/horizon；连续分位数头下 patch-rounded context+horizon <=16,384，horizon <=1,024。CSV 用法示例：python scripts/forecast_csv.py monthly_sales.csv --date-col date --freq MS --value-cols sales,revenue --horizon 12 --batch-size 1 --nonnegative --output forecasts.csv。输出含 forecast、median、lower_80、upper_80、lower_60、upper_60 及 .metadata.json。
限制：分位数区间在相关数据校准前只是名义值；分位超限不等于异常概率或告警等级；2.5 的 XReg 中 "xreg + timesfm" 与 "timesfm + xreg" 行为不同；3.0 多元目标、仅过去协变量或 Apple MLX 需先读 references/timesfm3.md；CPU-only XReg 需装 jax 与 scikit-learn。其余细节暂未提供。