“values”的搜索结果

Builds a DRAFT data dictionary from a schema export, table definition, sample rows or a partial existing dictionary: one row per field with the name as stated, type as stated or observed, meaning quoted from the documentation supplied, owner, allowed values, and UNKNOWN wherever no source defines the field, plus a gap list for the data owner. Never infers a definition from a column name. Use when the user asks to "build a data dictionary for this table", "document these columns", "what does each field mean", "turn this schema export into a dictionary" or "fill in the field definitions from these documents". Do not use for profiling values or finding patterns in the data, use dataset-insight-pack instead; for metric definitions, use kpi-definition-sheet; for logging data defects, use data-quality-issue-log. Drafts for human review; never approves, authorises or signs off.

中文简介正在准备中。当前显示原文说明。

Behavioral activation for depression: Breaking the vicious cycle, activity monitoring, weekly planning, and values-based activities.

中文简介正在准备中。当前显示原文说明。

Controls error rates across thousands of simultaneous tests in genomics discovery using false-discovery-rate methods (Benjamini-Hochberg 1995; Benjamini-Yekutieli 2001 for arbitrary dependence; Storey q-value with pi0 estimation; local FDR; independent filtering Bourgon 2010; covariate-weighted FDR via IHW Ignatiadis 2016), plus family-wise error control (Bonferroni, Holm) and the GWAS genome-wide threshold. Covers the FDR-versus-FWER choice as the discovery-versus-confirmatory distinction, the dependence assumptions behind BH (PRDS) versus BY, pi0 estimation, the independent-filtering and false-coverage-rate traps, and reproducibility ranking via IDR (Li 2011). Use when correcting p-values from genome-wide tests, choosing between BH/BY/q-value/Bonferroni, setting an FDR threshold, applying IHW or independent filtering, or interpreting q-values. For confirmatory trials with few pre-specified endpoints (closed testing, graphical/gatekeeping), see clinical-biostatistics/multiplicity-graphical.

中文简介正在准备中。当前显示原文说明。

Designs QC, corrects signal drift, removes batch effects, filters features, normalizes samples, and imputes missing values for untargeted LC-MS/GC-MS metabolomics, framing each step as a measurement model that can create or erase biological signal. Use when processing a peak/feature table before statistical analysis, choosing a drift-correction or sample-normalization method, deciding QC RSD vs D-ratio filtering, or handling left-censored missing values. The feature table is produced by metabolomics/xcms-preprocessing or metabolomics/msdial-preprocessing; transformation/scaling for modeling defers to metabolomics/statistical-analysis; cross-study design issues link to experimental-design/batch-design.

中文简介正在准备中。当前显示原文说明。

Controls error rates across thousands of simultaneous tests in genomics discovery using false-discovery-rate methods (Benjamini-Hochberg 1995; Benjamini-Yekutieli 2001 for arbitrary dependence; Storey q-value with pi0 estimation; local FDR; independent filtering Bourgon 2010; covariate-weighted FDR via IHW Ignatiadis 2016), plus family-wise error control (Bonferroni, Holm) and the GWAS genome-wide threshold. Covers the FDR-versus-FWER choice as the discovery-versus-confirmatory distinction, the dependence assumptions behind BH (PRDS) versus BY, pi0 estimation, the independent-filtering and false-coverage-rate traps, and reproducibility ranking via IDR (Li 2011). Use when correcting p-values from genome-wide tests, choosing between BH/BY/q-value/Bonferroni, setting an FDR threshold, applying IHW or independent filtering, or interpreting q-values. For confirmatory trials with few pre-specified endpoints (closed testing, graphical/gatekeeping), see clinical-biostatistics/multiplicity-graphical.

中文简介正在准备中。当前显示原文说明。

Controls error rates across thousands of simultaneous tests in genomics discovery using false-discovery-rate methods (Benjamini-Hochberg 1995; Benjamini-Yekutieli 2001 for arbitrary dependence; Storey q-value with pi0 estimation; local FDR; independent filtering Bourgon 2010; covariate-weighted FDR via IHW Ignatiadis 2016), plus family-wise error control (Bonferroni, Holm) and the GWAS genome-wide threshold. Covers the FDR-versus-FWER choice as the discovery-versus-confirmatory distinction, the dependence assumptions behind BH (PRDS) versus BY, pi0 estimation, the independent-filtering and false-coverage-rate traps, and reproducibility ranking via IDR (Li 2011). Use when correcting p-values from genome-wide tests, choosing between BH/BY/q-value/Bonferroni, setting an FDR threshold, applying IHW or independent filtering, or interpreting q-values. For confirmatory trials with few pre-specified endpoints (closed testing, graphical/gatekeeping), see clinical-biostatistics/multiplicity-graphical.

中文简介正在准备中。当前显示原文说明。

配置OpenClaw聊天连接，通过实际发送测试消息确认是否送达。在不暴露令牌、保留现有访问限制的前提下，排查配置或连接问题。

• 连接Telegram机器人
• 确认测试消息是否送达
• 排查聊天连接故障

将需要人工完成的服务设置或迁移流程整理为交互式bash脚本，分阶段引导界面操作、隐藏输入敏感信息，并将配置值保存到指定位置。

• 引导外部服务的设置流程
• 输入凭据并保存到.env
• 配置CI所需的GitHub机密

协助编写、审查和重构 Kotlin 代码，梳理空值处理、不可变数据、异步任务及类型安全的配置写法，使代码结构更易阅读和维护。

• 检查 Kotlin 的空值处理
• 整理可变数据与深层嵌套
• 设计协程与 Flow 异步处理

使用 Kotlin Coroutines 和 Flow 实现 Android 与 Kotlin Multiplatform 的异步任务和数据更新，涵盖并行加载、界面状态、取消、错误处理及测试。

• 并行加载多种数据
• 使用 StateFlow 管理界面状态
• 对搜索输入防抖并重试网络请求

在编写或审查Dart和Flutter代码时，参考状态管理、页面导航、网络通信、错误处理和测试的实现模式，处理空值与异步任务，并整理应用结构。

• 为新功能选择状态管理方式
• 审查空值处理与异步代码
• 根据登录状态进行页面导航

汇集邮件、网站和本地文件中的进度信息，生成定期更新的仪表板。集中显示待处理事项和变更记录，并在出现重要变化时发送通知。

• 通过邮件和网站追踪申请状态
• 集中查看商谈或配送进度
• 接收重要状态变化通知

将外部服务的初始设置和凭据登记整理为供人逐步操作的交互式bash脚本，包含操作指引、输入值保存、剩余阶段提示及各阶段确认。

• 引导外部服务的手动设置
• 在本地和持续集成中配置凭据
• 为团队编写初始设置流程

从文本中提取所需信息，整理为固定字段，并用Pydantic验证类型和值。涵盖结构化大语言模型输出、验证失败后的重试，以及逐步接收生成中的结果。

• 从文本中提取联系方式或企业信息
• 将文章归入预设类别
• 统一评论分析的字段

Debug Node.js from the terminal by pausing execution, inspecting variables, and tracing function calls. Use interactive commands or scripts to investigate failing tests, collect runtime state, and capture CPU profiles or memory snapshots.

中文简介正在准备中。当前显示英语简介。

• Inspecting intermediate state in failing Node.js tests
• Tracing function calls and unexpected variable values
• Investigating stalled asynchronous processing

帮助创建、读取和编辑PowerPoint演示文稿，处理文字、图表、图片和演讲者备注，并可按公司模板制作报告或提案，更新现有内容。

• 制作报告或提案演示文稿
• 提取文字、演讲者备注和图表数值
• 更新标志、措辞和图表数值

将颜色、字体、间距等设计值及用法整理为DESIGN.md，供编程智能体使用，并协助验证结构与配色对比度、比较版本及导出到Tailwind。

• 将样式指南整理为智能体可用的规范
• 跨项目共享设计设置
• 验证配色对比度和值引用

连接开发中的Hermes桌面应用，读取元素是否存在、实际CSS值、优先生效的规则及控制台输出，核实界面修改是否生效并调查原因。

• 在运行界面中确认UI修改
• 调查实际生效的CSS规则
• 确认设计令牌的实际值

对本地或持续集成中发现的 Python 类型检查错误进行分类，通过类型收窄和注解修正等方式解决并重新验证，也处理新增类型检查范围的工作。

• 修复持续集成中的类型检查失败
• 修复包含 None 的类型错误
• 增加类型检查目录

通过逐一提问澄清模糊需求，同时展示智能体对用户意图的推测，梳理受众、目的、成功标准、限制和不包含的内容，最终形成经用户明确确认的意图说明。

• 澄清模糊需求背后的目的
• 梳理受众和成功标准
• 确定难以兼顾的需求的优先级

为现有界面或已确定的界面方案实现动画，根据用途和操作频率判断是否需要动态效果，并处理连续操作造成的中断及减少动态效果的偏好设置。

• 为模态框和抽屉添加开合动画
• 为按钮和开关添加操作反馈
• 调整被连续操作打断的动画

将团队季度目标与关键成果制作成单屏HTML原型，以进度条、负责人和状态标签展示进展，并在侧栏汇总主要指标、显著变化及阻碍推进的问题。

• 制作团队季度目标界面原型
• 对比关键成果的当前值与目标值
• 并列查看目标负责人和进展状态

根据上市公司的财务数据预测未来现金流，用现金流折现法估算每股内在价值，并生成记录计算假设、资料来源和敏感性分析的估值报告。

• 估算上市公司的合理股价
• 比较当前股价与估算价值
• 查看假设变化对估值的影响

为Google Stitch生成屏幕时的设计方向编写DESIGN.md，具体规定配色、字体、布局、动效和应避免的表现形式，为多个屏幕提供统一参考。

• 为Google Stitch屏幕制定共同规则
• 记录配色、字体和组件行为
• 定义移动端布局与动效规则