一个用于天文学和天体物理学的综合性Python库。在处理天文数据时使用该技能，包括天体坐标、物理单位、FITS文件、宇宙学计算、时间系统、表格、天球坐标系统（WCS）和天文数据分析。当任务涉及坐标变换、单位转换、FITS文件操作、宇宙学距离计算、时间尺度转换或天文数据处理时使用。

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。

创意研究构想与探索。适用于开放式头脑风暴、探索跨学科联系、质疑假设或识别研究空白。最适合在尚未有具体观察结果的早期研究规划阶段使用。如需根据数据生成可检验的假设，请使用假设生成。

深度研究与写作工具的核心技能：以完整段落形式撰写科学论文（严禁使用项目符号）。采用两阶段流程：（1）通过研究检索制作各部分提纲并列出关键点；（2）将提纲转化为连贯流畅的正文。遵循IMRAD结构，引用格式支持APA/AMA/Vancouver，包含图表，符合CONSORT/STROBE/PRISMA等报告规范，适用于研究论文及期刊投稿。

提供生产就绪的强化学习算法（PPO、SAC、DQN、TD3、DDPG、A2C），采用类似 scikit-learn 的 API，适用于标准强化学习实验、快速原型开发和文档完善的算法实现。最适合单智能体与 Gymnasium 环境结合使用。如需高性能并行训练、多智能体系统或自定义向量化环境，请改用 pufferlib。

Python 的统计模型库。当您需要特定模型类别（如 OLS、GLM、混合模型、ARIMA）并附带详细诊断、残差和推断时使用。最适合计量经济学、时间序列分析以及带有系数表格的严谨推断。如需在 APA 报告格式下进行引导式统计检验选择，请使用 statistical-analysis。

在Python中进行符号数学运算时使用此功能。此功能适用于符号计算任务，包括代数求解方程、进行微积分运算（求导、积分、极限）、代数表达式化简、符号矩阵运算、物理计算、数论问题、几何计算，以及从数学表达式生成可执行代码。当用户需要精确的符号结果而非数值近似，或处理包含变量和参数的数学公式时，应使用此功能。

查询美国财政部财政数据API，获取包括国家债务、政府支出、收入、利率、汇率和储蓄债券在内的联邦财务数据。无需API密钥即可访问54个数据集和182个数据表。适用于处理美国联邦财政数据、国家债务追踪（精确到美分）、每日财政部报表、月度财政部报表、财政部证券拍卖、 Treasury证券利率、外汇汇率、储蓄债券或任何美国政府财务统计数据。