一个用于自维持AI代理团队的框架

谷歌量子计算框架。适用于针对谷歌量子AI硬件、设计考虑噪声的电路或运行量子表征实验。最适合谷歌硬件、噪声建模和底层电路设计。对于IBM硬件，请使用Qiskit；对于使用自动微分的量子机器学习，请使用PennyLane；对于物理模拟，请使用QuTiP。

基于 Python 的计算流体动力学仿真框架。适用于运行包含纳维-斯托克斯方程（二维/三维）、浅水方程、分层流等的流体动力学仿真，或用于分析湍流、涡旋动力学及地球物理流动。提供基于 FFT 的伪谱方法、高性能计算支持以及全面的输出分析功能。

此技能适用于使用LaminDB——一种开源的生物学数据框架，可使数据具备可查询性、可追溯性、可重复性和FAIR原则。适用于管理生物学数据集（如单细胞RNA测序、空间转录组、流式细胞术等）、跟踪计算工作流、使用生物学本体论对数据进行整理与验证、构建数据湖仓，以及确保生物学研究中的数据溯源与可重复性。涵盖数据管理、注释、本体论（基因、细胞类型、疾病、组织）、模式验证、与工作流管理工具（Nextflow、Snakemake）及MLOps平台（Weights & Biases、MLflow）的集成，以及部署策略。

生成长达50页以上的综合性市场研究报告，风格媲美顶级咨询公司（麦肯锡、BCG、Gartner）。具备专业LaTeX排版、通过scientific-schematics和generate-image生成大量可视化图表、深度集成research-lookup进行数据收集，并运用多种战略分析框架，包括波特五力模型、PESTLE分析、SWOT分析、TAM/SAM/SOM分析以及波士顿矩阵。

基于清单的结构化稿件/基金评审。适用于撰写有明确标准的正式同行评审，涵盖方法学评估、统计有效性、报告规范符合性（CONSORT/STROBE）及建设性反馈。最适合实际评审撰写与稿件修订。评估主张与证据质量请使用“科学批判性思维”；如需定量评分框架，请使用“学者评估”。

一种与硬件无关的量子机器学习框架，支持自动微分。适用于通过梯度训练量子电路、构建混合量子-经典模型，或需在IBM/Google/Rigetti/IonQ等设备间实现跨平台兼容的场景。最适合用于变分算法（VQE、QAOA）、量子神经网络，以及与PyTorch/JAX/TensorFlow的集成。如需针对特定硬件的优化，请使用Qiskit（IBM）或Cirq（Google）；如需处理开放量子系统，请使用QuTiP。

专为速度和扩展性优化的高性能强化学习框架。当您需要快速并行训练、向量化环境、多智能体系统或与游戏环境（Atari、Procgen、NetHack）集成时，请使用本框架。相比标准实现，速度提升可达2至10倍。如需快速原型设计或需要详尽文档的标准算法实现，请改用stable-baselines3。