时序趋势检验帮助你快速判断随时间变化的数据，究竟是在稳步上升、显著下降还是保持平稳。它适用于观察日常运营（如 DAU）、工业生产良率或医疗检查指标的长期规律，通过同时使用两种互补的计算逻辑，为你提供清晰的趋势描述，而非单一枯燥的数字。
更稳健的趋势判定
时序趋势检验不仅是简单的连线对比。在分析时序数据时，我们常见到分布不均或存在意外波动的情况。该工具并行计算线性回归与 Mann-Kendall 检验，从线性趋势和非参趋势两个维度进行交叉验证。
这种方式能有效过滤数据中的噪声，确保你看到的趋势方向是由整体数据规律决定的，而不是被单一的异常极端值所干扰。
适用场景与自动化解读
你可以将此工具应用于多种业务场景：例如观察产品近 60 天的日活用户变化、查看过去三个月的工艺良率改善趋势，或是分析某项医学指标随访期间的波动情况。
工具会自动处理时间列的格式、缺失值以及排序问题，直接返回最终的趋势方向，让你可以直接在报告中引用「该指标呈现显著上升趋势」这类结论，而无需手动整理原始数据。
关于 Sen's 坡度与线性斜率
工具会返回两种关于速度的指标：线性回归给出的斜率和 Mann-Kendall 计算出的 Sen's 坡度。在数据平稳时，两者差异较小；但如果数据中存在一些突发性的偏离点，Sen's 坡度通常能提供更符合直觉、更稳健的增量评估。
数据的准备与边界
为了保证分析的科学性，建议输入至少 10 个数据点以获得较好的分析效果。如果数据量不足，工具会给出相应提醒。若时间序列未按时间先后排序，工具会自动完成排序，确保计算逻辑严谨可靠。
1 · Intent → method
An LLM picks ts_detect_trend from a fixed catalog.
2 · Method → numbers
Deterministic Python engine runs the math. Same input → same output.
3 · Numbers → plain language
A second LLM translates the result into your domain’s vocabulary.
为什么这个工具要同时运行两种计算方法？
单一的线性计算容易受到数据中偶然突发波动的影响，导致误判。通过时序趋势检验并行运行线性回归和 Mann-Kendall 检验，你可以获得两套结果，如果两者一致，结论更可信；如果不一致，系统会提示你关注对异常值更稳健的结果。
我该如何解读得到的结果？
工具会直接给出综合判定方向（上升、下降或平稳）。如果你需要具体程度，可以查看返回的 slope（线性斜率）或 sen_slope（更稳健的趋势坡度），这代表了单位时间内的平均变化量。
Tool 输入字段
Schema for ts_detect_trend not exported yet (run pnpm export:registry).