微服务前后端开发

[lyy001017]

1️⃣ 背景
旨在开发一个基于 Amazon Chronos-2 的时间序列预测引擎，支持zero-shot和finetune预测，并提供可视化与指标评估能力。

2️⃣ 目标

• 构建基于 Chronos-2 的 zeroshot / finetune 预测系统，覆盖工业场景的需求预测、库存优化等应用。
• 容器化为微服务，并提供标准化 API 与 MCP 接口，方便外部系统和 LLM 集成。

3️⃣ 实现方案/计划

• 设计任务计划书，完成初步框架并微调细节。

• 后端功能

  • zeroshot/finetune服务API接口（FastAPI+autogluon - Chronos2）：支持单变量协变量模式开关
  • 多分位数输出（可自选）：p5-p95，步长5。
  • 提供评估指标（可自选）：WQL，WAPE，IC，IR，可自行选择指标输出。根据用户上传的数据切分出一部分进行指标评估。
  • 预测可视化：绘制p10-p90区间+预测均值曲线。
  • 参数：额外支持自定义预测步长（必传），及微调相关参数。

• 前端功能

  • 接收Markdown（json格式数据）文档上传的卡片。
  • 自选参数配置栏：包括预测步长，单/协变量模式切换开关，模型可学习历史上下文长度（观察更多历史数据可提高准确性），输出多分位数，及误差指标。
  • 提供预测可视化卡片
  • 提供输入模版卡片
  • 提供使用教程卡片：包括一些参数使用说明及接口使用教程。
  • 提供刷新按钮：微调后模型可保存复用，刷新后可重新微调，也可记住id复用。 - MCP
  • 集成MCPtools、prompt、resource（FastMCP+python SDK），供LLM调用。

• 异常状态和环境配置

  • 配置一些参数限制（如Chronos-2支持的最大上下文长度等）。
  • 配置一些异常状态，并统一错误格式。

• 容器化和部署

  • 完成前后端Dockerfile编写
  • 完成Dockercompose.yml一键编排部署前后端（挂载模型权重路径）

4️⃣ 预期结果

• 提供一个可直接使用的基于 Chronos-2 的时间序列预测微服务。
• 在真实业务场景中可作为需求预测与库存优化等需求的基础组件。
• 提供测试文档供整体服务进行debug调整。
• 提供完整的业务逻辑实现任务书，便于后续继续开发调试。
• 提供完整的说明文档供用户“无压力”上手项目。