AI前沿速递｜TimesFM 28K星Google时序预测模型、Chrome DevTools MCP 51K星给Agent装浏览器
中午好，今天是正经科普版。
最近 GitHub 上两个项目热度很高：一个叫 TimesFM，Google Research 开源的时间序列预测模型；一个叫 chrome-devtools-mcp，Chrome DevTools 官方团队出的浏览器 MCP 服务器。俩看着不搭边，其实正好是 AI 落地的两条主线——一个帮你看清”接下来会发生什么”，一个让 Agent 真正”上手干活”。今天都聊一聊，星数都是写稿当天从 GitHub 页面核的，不整虚的。
1. TimesFM — ⭐27.9K，一句话定位
一句话定位：Google Research 出的预训练时序基础模型（Time Series Foundation Model），装上就能对”按时间排序的数据”做预测，主打零样本——不用每个场景都重新训模型。
解决什么问题：库存、销量、网站流量、电力能耗、服务器指标这类”有规律的历史数据”，以前要么自己搭模型调参，要么花钱买商业预测服务。TimesFM 直接拿预训练权重出预测，新数据集扔进去就能跑。写稿当天约 27.9K star、2.7K fork。
核心亮点：
– 最新 2.5 版参数降到 200M（2.0 是 500M），上下文从 2048 直接拉到 16k，配可选 30M 分位数头，支持最长 1k 步的连续分位数预测；
– 去掉了 frequency 指标，接口更省心；有 Flax 版本跑更快的推理，XReg 支持协变量输入；
– 官方给了 HuggingFace Transformers + PEFT 的 LoRA 微调示例，想针对自家数据调优有现成的路子；
– 已经进了 Google 自家产品：BigQuery ML 和 Google Sheets 里都能直接用；
– Apache-2.0 开源，论文是 ICML 2024 的 decoder-only 时序基础模型。
上手方式：pip install timesfm（当前 2.0.2），torch 或 flax 后端都行，CPU/GPU/TPU/Apple Silicon 都能跑。代码里 from_pretrained 加载官方权重 google/timesfm-2.5-200m-pytorch，配好 ForecastConfig 就能出点预测和分位数区间，官方示例十来行搞定。
实话： 我只核了官方文档和代码示例，没在自己机器上实跑过预测，准确率、速度都没实测。社区反馈零样本基准表现不错，但业务里能不能用，得拿你的真实数据跑一遍才算数。
适合谁：做销量/流量/能耗/运维指标预测、又没有专职算法团队的人；懂点 Python、想半天内出预测原型的同学。
2. chrome-devtools-mcp — ⭐50.9K，同结构
一句话定位：Chrome DevTools 官方团队出的 MCP 服务器，让 coding agent（Claude、Cursor、Copilot、Antigravity 这些）能控制一个真实运行的 Chrome 浏览器，用上 DevTools 全套能力。
解决什么问题：以前让 Agent 查网页问题，基本靠爬页面、猜代码，遇到前端 bug 两眼一抹黑。这个项目把”打开浏览器→抓网络请求→查 DOM→看 console 日志→截图→录性能 trace”整条链路交给 Agent，官方还带 CLI，不走 MCP 也能用。
核心亮点：
– 性能洞察：用 devtools-frontend 录 trace，分析”页面为什么慢”，还会结合 CrUX 真实用户数据对照（可用 –no-performance-crux 关掉）；
– 深度调试：分析网络请求、截屏、读 console 消息还带 source-map 堆栈，报错能追到源码行；
– 可靠自动化：内部走 puppeteer 驱动，操作会自动等待结果，比裸脚本稳；
– 模式灵活：–slim 轻量版、–headless 无头、–isolated 隔离，还能连接已运行的 Chrome、调试 Android；
– Apache-2.0 协议，TypeScript 写的，写稿当天 50.9K star、3.6K fork。
上手方式：要 Node.js LTS + Chrome 稳定版，在 MCP 客户端配置 mcpServers，命令就是 npx -y chrome-devtools-mcp@latest。官方给的第一个测试提示词是 “Check the performance of https://developers.chrome.com”，能录出性能 trace 就算通了。
实话： 这个我同样没接本地 Agent 实测，仅按官方文档整理。但有三点必须提醒：① 它会把你浏览器里的内容暴露给 MCP 客户端，别让它开着登录着网银、微信、公司后台的浏览器办事；② 官方明确只保证 Google Chrome 和 Chrome for Testing，其他 Chromium 内核不保证能用；③ 默认会上报使用统计，介意就加 –no-usage-statistics。
适合谁：整天改前端、调页面性能，想让 Agent 自动验收和排障的人；做 agentic 工具、想内置浏览器能力的团队——官方参考实现就是 Gemini CLI 的 browser agent。
今晚的观察
时序预测模型对普通人有什么用？别想成”预测彩票”那种玄学，它的价值在那些按月按季有规律的事上：小店备货、网站流量、电费能耗。以前这是大厂才玩得起的，现在开源模型开箱即用、还进了 Google Sheets，小团队也能有个”数据参谋”。
而 Agent 拿到浏览器控制权，是典型的双刃剑。好的一面是生产力拉满：自动调试、自动验收、自动性能分析，以前要人盯的活 Agent 能自己干。不好的一面是权限边界：浏览器里全是 Cookie、登录态和隐私，Agent 能看多少、能改什么、trace 往哪儿发，用之前必须过一遍脑子。工具本身没毛病，权限意识要有。
两个项目一前一后，正好凑成 AI 落地的两条线：TimesFM 预测未来，DevTools MCP 动手干活。觉得有用点个收藏，留言聊聊你更想先试哪个。
以上项目均未深度实测，内容基于官方 README 与公开文档整理；星数为写稿当天 GitHub 页面数据（TimesFM 27.9K / chrome-devtools-mcp 50.9K），实时变动以页面为准。
by 数码罗记·godsun.pro
