Este artículo propone el marco PromptTSS para abordar los desafíos de la segmentación e integración de estados multirresolución de datos de series temporales multivariadas recopilados en diversos campos, como la fabricación y la tecnología wearable. Para superar las limitaciones de los métodos existentes, que carecen de procesamiento multirresolución y adaptabilidad a entornos dinámicos, presentamos un modelo integrado que utiliza un mecanismo de prompt para capturar patrones tanto generales como específicos mediante información de etiquetas y límites, y se adapta dinámicamente a patrones desconocidos. Los resultados experimentales demuestran una precisión de segmentación multirresolución del 24,49 %, una precisión de segmentación de resolución única del 17,88 % y una mejora de hasta el 599,24 % en el aprendizaje por transferencia, lo que demuestra su adaptabilidad a estados jerárquicos y a la dinámica cambiante de las series temporales. El código fuente está disponible en GitHub.
