CSGO.AI：虚拟资产价格预测与智能分析平台产品系统

针对 CS2 饰品市场的⾼波动性，设计并训练了基于 CNN-LSTM 的混合神经⽹络
模型。对⽐ RNN/GRU 模型，通过融合局部特征提取与⻓期依赖建模，在测试集上实现了
R²=0.95 的⾼拟合度与低 RMSE。同时也基于 Ollama 框架部署本地化⼤语⾔模型
（Llama3/Phi3），开发 AI 交易顾问功能。通过 Prompt Engineering 将结构化市场数据转化
为⾃然语⾔投资建议，解决了市场信息不对称问题。

针对CSGO高波动虚拟资产市场的时序非平稳性与价格噪声问题，设计并实现基于 CNN-LSTM 的混合深度学习预测模型，将局部价格模式提取与长期依赖建模相结合。通过与 RNN、GRU 等基线模型进行系统对比，在测试集上取得较高拟合度与较低预测误差，验证模型在复杂金融时序场景下的稳定性与泛化能力。在系统层面，部署本地化大语言模型服务，将模型预测结果与结构化市场数据进行融合，并通过 Prompt Engineering 转化为可解释的分析文本与决策建议，构建集预测、分析与交互于一体的智能辅助系统，实现从模型到应用的完整落地。

负责价格预测深度学习模型的训练以及部署/负责Ollama LLM的部署和与前端的连接