midgley：基于 LLM 多智能体的汽油价格预测框架

KoshiirRa/midgley · LLM Multi-Agent Framework forecasting wholesale (RBOB) and retail unleaded gasoline prices using Gemini 3.8, NOAA weather models, executive social media gap analysis, and global energy market feeds.

GitHub原文发布未知首次收录 2026-10-25上架 2026-10-25 07:02

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

midgley 是一个用 Python 实现的多智能体时间序列预测框架，目标是预测美国批发 RBOB 汽油期货和多个都市区的零售无铅汽油价格。它把 Gemini、NOAA 天气模型、海运与内河咽喉点、行政社媒缺口、Cboe OVX、Baker Hughes 钻机数、USGS 水文与地震、炼厂检修等非结构化与物理数据，融合为特征向量，再结合 RB=F、CL=F、BZ=F 等商品期货，用 Ridge 回归与 XGBoost 建模，并通过情景模拟器、预测日志和每周复盘反馈回路迭代模型。项目还自动生成公开 Web 仪表盘，展示各地预测、准确率和数据源目录。

# LLM # 多智能体 # 时间序列预测 # 能源市场 # XGBoost

核心能力与快速开始

★ 2 · Python

能做什么: 整合金融新闻、NOAA 天气警报、NHC 飓风、BSEE 海上平台停产、USACE 船闸延误、海运咽喉点、社媒帖子、Cboe OVX 与 Baker Hughes 钻机数等数据；用指数衰减记忆融合、Ridge/XGBoost 预测 RBOB 期货回报；对 18 个区域枢纽做本地化校准；提供炼厂停产、霍尔木兹封锁、天气冰冻等情景模拟；记录预测并计算滚动 MAE/RMSE 与方向命中率；通过每周复盘与情景记忆回馈模型；自动生成公开仪表盘与数据源目录。
适用场景: 用于研究 LLM 与多智能体在能源商品价格预测中的应用；观察美国批发与区域零售汽油价格的短周期预测；分析天气、航运、炼厂与政策事件对油价的传导；教学或复现多源异构特征融合与时间序列建模流程。
项目形态: 开发框架
部署方式: 仓库提供 GHCR Docker 镜像标记与 GitHub Actions 工作流，并提及 Cloud Run 与 Supabase pgvector 用于记忆组件；完整部署步骤与自托管配置在摘录中未说明。
主要依赖: Python 3.11、3.12 或 3.13；需接入 Gemini、Firecrawl、Finlight 等外部数据与 LLM 服务，具体 API 密钥、配额与成本未说明。
使用限制: README 中的预测数值与日期属于示例展示，未说明经独立验证；模型准确性、API 调用成本、数据源可用性限制和商业使用条件均未说明。
许可证: Apache-2.0
最近推送: 2026-10-25 06:30

官方入门项目文档核对 README 依据 ↗

资料检查：2026-10-25 07:00 · 卡片整理：2026-10-25 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

职业应用

程序员

作为 Python 多智能体时间序列预测框架的参考实现，可用于学习或复用其数据摄取、特征工程、Ridge/XGBoost 建模、预测日志与每周复盘反馈回路等代码结构。

查看内容依据

midgley 是一个用 Python 实现的多智能体时间序列预测框架

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

产品经理

可参考其自动生成的公开 Web 仪表盘与预测日志、准确率展示，用于设计数据产品中的预测结果呈现与效果追踪页面。

查看内容依据

项目还自动生成公开 Web 仪表盘，展示各地预测、准确率和数据源目录。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

PentAGI：面向渗透测试的自主 AI Agent 系统

PentAGI 是一个基于 AI 的自动化安全测试平台，面向信息安全专业人员、研究人员和爱好者，用于执行渗透测试任务。系统采用多智能体（研究、开发、执行、编排）协作架构，运行在隔离的 Docker 沙箱中，内置 nmap、metasploit、sqlmap 等 20 多种专业安全工具，具备智能记忆系统与可选的 Neo4j 知识图谱集成、内置浏览器与多种外部搜索 API，支持 10 多种 LLM 提供商、REST/GraphQL API、PostgreSQL+pgvector 持久化存储以及 Grafana/Prometheus 监控。项目采用 MIT 许可，通过 Docker Compose 自托管部署。

MathModelAgent：面向数学建模的自动建模与论文生成 Agent

MathModelAgent 是一个专为数学建模设计的 Agent 与 SKILLS 方案，可自动完成问题分析、数学建模、代码编写与纠错，并生成一份格式编排完整、可直接提交的论文。它采用多智能体（建模手、代码手、论文手等）与多模型配置，内置 Code Interpreter（本地 Jupyter 与 E2B、Daytona 云端）、17 套 Typst 论文模板、建模知识库与 9 步自动验收，支持通过 litellm 接入多种模型，并提供 WebUI、CLI、Docker 部署与桌面版。项目定位为实验探索阶段，README 中的部分计划功能（如 RAG 检索、Tavily 搜索、HIL、Fallback、Evaluator 等）尚未完整实现或仅有配置项。

OpenInference：面向 AI 应用的 OpenTelemetry 追踪规范与插件

OpenInference 是 OpenTelemetry 的补充规范和插件集合，用于对 AI 应用进行追踪，可观察 LLM 调用、向量库检索以及搜索引擎、API 等外部工具的使用。它提供与传输方式和文件格式无关的规范，并为多种机器学习 SDK 和框架提供多语言插桩，包括 OpenAI、LangChain、LlamaIndex、Anthropic、MistralAI、Bedrock、VertexAI、CrewAI、Haystack、DSPy、MCP 等。它原生支持 Arize Phoenix 和 Arize AX，也可接入任何兼容 OpenTelemetry 的后端。

Dossier：自托管的求职管理应用，依据个人档案生成定制简历与求职信并跟踪申请进度

Dossier 是一个自托管的求职管理应用，使用 TypeScript 和 Next.js 构建、以 PostgreSQL 存储数据。它把职业经历集中在一个档案中，生成基础简历；针对具体职位，读取招聘信息、展示与档案的匹配情况，并用档案中的事实起草定制简历和求职信，用户可在聊天中修改并导出 PDF。它提供求职岗位搜索与评分、创业公司职位聚合、可选的每日求职 Agent、Claude 连接器，以及可选的 Gmail 与 Google Calendar 集成，并能用看板和数据表跟踪从草稿到 offer 的全流程。AI 模型可选用 Ollama 或 LM Studio 提供的本地模型，也可选用任意 OpenAI 兼容 API、Anthropic 或 Mistral 的托管模型。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。