~/教學/FORECAST.md
用 Claude Code 裝 Google TimesFM,兩句話預測你的營業額(附實測:20 天總額只差 1%)
TimesFM 是 Google 開源的預測模型,不用訓練。在 Claude Code 裝它的官方技能、丟進你的 CSV,就畫出預測和最好到最壞的範圍。附指令、實測數字和授權要注意的地方。
下個月會賣多少?以前要回答這個問題,得自己訓練一個模型好幾週。現在 Google 開源的 TimesFM 看過一千億個真實數據點,資料丟進去就能直接預測。我在 2026 年 11 月 2 日用它實測了一家店的真實營業額,也看過它的 GitHub、官方技能和 Google Research 的說明。這篇是 Reels 裡 FORECAST 那支影片的完整版:怎麼用 Claude Code 兩句話裝好、怎麼預測、準不準,還有授權要注意什麼。
01先看你會拿到什麼

TimesFM(Time Series Foundation Model)是 Google Research 做的時間序列預測模型。你給它一串按日期排好的數字,例如每天的營業額、訂單數或追蹤數,它就預測接下來會怎麼走,還附上最好到最壞的範圍。
看完這篇你會拿到:
- 在 Claude Code 裡安裝 TimesFM 官方技能的那一句話。
- 讀你的 CSV、畫出預測圖的那一句話。
- 先驗證準不準的方法(把最後幾天藏起來讓它猜)。
- 我們實測的數字,和哪些情況要用 2.5 版或 BigQuery。
02第 1 句:在 Claude Code 裝官方技能

TimesFM 的 GitHub 裡有一個官方的 Agent 技能 timesfm-forecasting(Apache 2.0)。它會先檢查你的電腦記憶體和硬碟夠不夠,再下載模型,所以不用自己研究安裝步驟。打開 Claude Code,貼上這句:
安裝 TimesFM 的官方技能 timesfm-forecasting(在 github.com/google-research/timesfm 裡),先跑它的系統檢查,告訴我這台電腦能不能跑。
03第 2 句:丟進你的營業額,預測下個月
準備一個 CSV:一欄日期、一欄數字。營業額、訂單、網站流量、追蹤數都可以,資料越長越好(至少幾十筆)。放在 Claude Code 開著的資料夾裡,然後說:
讀[sales.csv],用 TimesFM 2.5 預測接下來[30 天]的[營業額],畫出 10%–90% 的範圍,存成 forecast.png,再用一段話告訴我重點。

範圍的意思是:照它學過的模式,實際數字有 80% 的機會落在色帶裡。色帶越寬,代表越不確定,備貨或排班時就要留多一點彈性。
04先驗證:把最後 20 天藏起來讓它猜
預測準不準,最簡單的檢查方法是「回測」:把你最近一段資料藏起來,讓它只看之前的資料去猜,再跟實際數字比。
把 sales.csv 最後[20]天藏起來,只用前面的資料讓 TimesFM 預測這[20]天,然後跟實際數字比:總額差幾 %、有幾天落在 10%–90% 範圍裡,畫成一張圖。

我們用的是 UCI 的公開資料集 Online Retail:英國一家網店 2010 年 12 月到 2011 年 12 月的真實交易,加總成每天的營業額(只算有營業的日子,退單已扣掉)。藏起最後 20 個營業日(2011/11/17–12/09)之後,TimesFM 2.5 預測的總額是 113.5 萬英鎊,實際是 112.4 萬英鎊,只差 1.0%;20 天裡有 19 天落在 10%–90% 範圍內。
05不想裝在電腦上?Google Sheets 和 BigQuery
如果公司的資料已經在 Google BigQuery,可以直接在 BigQuery ML 用 TimesFM,或在 Google Sheets 的 Connected Sheets(要接 BigQuery)用預測面板,不用寫程式。這兩個是 Google Cloud 的服務,照 Google Cloud 的方式收費。
- GitHub:google-research/timesfm — 原始碼、官方技能 timesfm-forecasting
- BigQuery ML 的 TimesFM 說明 — Google Cloud
- Google Workspace 更新:在 Connected Sheets 用 TimesFM 預測 — 2026-02-17
06要注意
- 程式碼和 2.5 版(含以前)的模型權重是 Apache 2.0,可以商用。最新的 3.0 版權重只限非商業、非正式上線使用;要拿 3.0 做生意,Google 說要透過 BigQuery ML 這類 Google Cloud 服務。用 Claude Code 自己裝時,請它用 2.5 版。
- README 寫明這個開源版本「不是 Google 官方支援的產品」。
- 它只看數字的規律。促銷、節日、漲價這些外部因素要另外當成「共變數」餵給它(官方技能有 forecast_with_covariates),不然它不會知道。
- 預測是參考,不是保證。重要的決定先用回測確認它在你的資料上準不準。
- Reels 和這篇的預測圖是我們自己跑出來的結果;終端機畫面是示意。
資料來源
- GitHub:google-research/timesfm(README、授權說明,2026-11-02 查)
- timesfm-forecasting 官方技能 SKILL.md(2026-11-02 查)
- Google Research:A decoder-only foundation model for time-series forecasting(一千億個時間點)
- Google Workspace Updates:Forecast data in Connected Sheets using BigQuery ML and TimesFM
- UCI Machine Learning Repository:Online Retail(實測資料)
下一支 Reel 想學什麼?
我每天測 Claude 和 AI 工具,把真的有用的做成 Reel。追蹤 @vivianlin.tech,新教學一出來就看得到。