供应商中立的实验室自动化框架。适用于控制多种设备类型（如Hamilton、Tecan、Opentrons、酶标仪、泵）或需要跨不同供应商实现统一编程的场景。最适合复杂工作流程、多供应商配置及仿真环境。若仅使用Opentrons设备且有官方API，采用opentrons-integration可能更简单。

多目标优化框架。NSGA-II、NSGA-III、MOEA/D、帕累托前沿、约束处理、基准测试（ZDT、DTLZ），适用于工程设计与优化问题。

深度学习框架（PyTorch Lightning）。将PyTorch代码组织为LightningModules，配置训练器以支持多GPU/TPU，实现数据管道、回调函数、日志记录（W&B、TensorBoard）以及分布式训练（DDP、FSDP、DeepSpeed），以实现可扩展的神经网络训练。

IBM 量子计算框架。适用于针对 IBM 量子硬件、使用 Qiskit Runtime 处理生产工作负载，或需要 IBM 优化工具的场景。最适合在 IBM 硬件上执行、量子误差缓解和企业级量子计算。如需使用谷歌硬件，请选用 Cirq；如需基于梯度的量子机器学习，请选用 PennyLane；如需开放量子系统仿真，请选用 QuTiP。

使用ScholarEval框架系统性地评估学术成果，从问题提出、方法论、分析和写作等研究质量维度进行结构化评估，并提供量化评分和可操作的反馈意见。

评估科学主张和证据质量，用于评估实验设计的有效性、识别偏倚和混杂因素、应用证据分级框架（如GRADE、Cochrane偏倚风险评估）或教授批判性分析。适用于理解证据质量、发现缺陷。正式的同行评审撰写请使用“同行评审”功能。

基于过程的离散事件仿真框架（Python）。当构建包含流程、队列、资源及基于时间的事件的系统仿真时使用此技能，例如制造系统、服务运营、网络流量、物流或任何实体随时间与共享资源交互的系统。

为所有临床专科生成简洁（3-4页）、聚焦的医疗治疗计划，支持通用医疗、康复治疗、心理健康、慢性病管理、围手术期护理和疼痛管理。包含SMART目标框架、基于证据的干预措施（引用最少）、符合HIPAA法规要求及专业排版，注重简洁性与临床可操作性。