用途：当需要预测聚合情感与舆论动态随时间的变化时使用，例如从高流量文本流构建情感指数、设计小时/日/周时间聚合规则、预测舆论轨迹（点预测、预测区间、情景带），以及建模情感与销售、流量、波动率或品牌 KPI 之间的领先/滞后关系。
主要能力：选择并实现时序与序列模型（ARIMA、Prophet、状态空间、TFT 等）；运行 nowcast 并按决策节奏选择预测期；从文本量、速度、话题构成和互动质量中构造特征；用 walk-forward 验证回测并报告不确定性校准；处理尖峰、机器人噪声、样本偏差和语言/产品结构突变；将输出接入 BI 仪表盘、品牌监测或研究流程（仅方法论）。
使用方式：按核心工作流推进——先明确总体、文本来源、聚合粒度、目标期与下游 KPI；再定义指数公式、聚合、话题/分层拆分与协变量；接着选择基线与高级模型并对齐季节性、节假日和外生驱动；然后做 walk-forward 评估、区间校准与尖峰事件留出；最后处理数据质量、偏差与事件，并制定生产监控与利益相关方沟通方案。输出包括指数规范、特征目录、预测规范、回测报告、nowcast 手册、监控计划和利益相关方简报。
适用场景：品牌/产品/地区层面的聚合情感预测、舆情轨迹与 KPI 关系分析、决策节奏对齐的 nowcast。
限制：不用于单文档或片段极性标注、标注与分类器训练；不用于无情感输入的一般需求/库存/物流预测；不提供投资建议、交易推荐或可操作交易信号，只给预测方法论与不确定性；不用于营销文案、活动或品牌语调；不用于无文本情感输入的宏观计量或金融建模；不用于静态语料的探索性 NLP 或一次性情感打分；不用于 LLM 产品功能、智能体或 RAG（除非情感预测只是其中一条流水线组件）。原则：预测聚合而非个体意见，指数构建视为模型一部分，优先 walk-forward 评估，报告区间与情景而非仅点估计，方法论与决策分离，并在每个发布指数旁记录已知偏差。