CastFlow：学习时间序列预测中角色专业化的代理工作流

针对现有基于大语言模型的时间序列预测方法受限于静态生成范式的问题，本文提出 CastFlow，一种动态代理预测框架。该框架将预测过程组织为规划、行动、预测和反思的工作流，支持多视角模式提取与迭代优化。系统引入记忆模块检索过往经验，并结合多视角工具包构建诊断证据。此外，采用角色专业化设计，冻结通用大模型负责推理，微调领域模型执行基于证据的数值预测，并通过两阶段工作流导向训练进行优化。实验表明该方法在多个数据集上优于强基线。