瘦体重（去脂体重）计算器

对文档的候选 RAG 分块方案在四个维度上评分——连贯性（干净的分句/分段边界）、覆盖率（主题聚焦 / 关键词集中度）、上下文重叠健康度以及分块大小一致性——并排对比最多三种方案并推荐最优。纯离线启发式，无模型调用。

直观展示中心极限定理：从非正态源分布（均匀、指数、泊松或伯努利）抽样，绘制样本均值的直方图，并叠加预测的正态曲线 N(μ, σ²/n)。对比经验与理论的均值和标准误，观察随样本量增大收敛性增强。

将杂乱的 CSV 表头映射到干净的目标 schema。粘贴首行为表头的 CSV（列名可能是 Customer ID、user_id、customerId、CUST_ID……），并提供目标 schema（每行一列）与可选的 "alias=target" 别名字典。每个源表头经过四层解析——精确匹配、字典别名、规范化（统一大小写/重音/分隔符/驼峰）、模糊编辑距离——在映射表中显示方法与置信度，并给出目标覆盖率与可选的规范化 CSV 导出。

从 ECharts 主题 JSON 抽取设计 token——颜色、数字、字号与字符串——并直接导出到你的设计系统。粘贴一个主题对象（即通过 echarts.init(dom, themeName) 注册的那种），工具遍历每个叶子节点，为每个颜色（可选地将命名色/rgb 规范化为 hex）、间距数字、字号与字符串打标，然后输出干净的 CSS 变量、Tailwind theme.extend 配置、Style Dictionary tokens.json 或 SCSS 变量。在 ECharts 可视化主题与 Figma/CSS/Tailwind 设计 token 之间架桥，无需逐个手抄。