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。

使用 Google 的 TimesFM 基础模型进行零样本时间序列预测。无需训练自定义模型，即可对任何单变量时间序列（如销售、传感器、能源、生命体征、天气）进行预测。支持 CSV/DataFrame/数组输入，提供点预测和预测区间。包含预运行系统检查脚本，可在首次使用前验证内存和 GPU 状态。

用于分子和蛋白质的PyTorch原生图神经网络。适用于构建自定义GNN架构以进行药物发现、蛋白质建模或知识图谱推理，特别适合自定义模型开发、蛋白质性质预测和逆合成分析。如需预训练模型和多种特征化工具，请使用DeepChem；如需基准数据集，请使用PyTDC。

在使用预训练的Transformer模型进行自然语言处理、计算机视觉、音频或多模态任务时，应使用此技能。适用于文本生成、分类、问答、翻译、摘要、图像分类、目标检测、语音识别以及在自定义数据集上微调模型。

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。

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。

使用此技能处理和分析超出可用内存的大型表格数据集（数十亿行）。Vaex 在外部存储 DataFrame 操作、惰性求值、快速聚合、大数据高效可视化以及大规模数据集的机器学习方面表现卓越。当用户需要处理大型 CSV/HDF5/Arrow/Parquet 文件、对海量数据集进行快速统计分析、创建大数据可视化图表，或构建无法完全装入内存的机器学习流水线时，适用于此场景。

运行结构化的“如果...会怎样”情景分析，探索多分支可能性。当用户提出假设性问题时，如“如果……会怎样”、“如果……会发生什么”、“有哪些可能性”、“探索情景”、“情景分析”、“可能性空间”、“可能出现什么问题”、“最佳情况/最坏情况”、“风险分析”、“应急计划”、“战略选择”或任何关于不确定未来的问题时，使用此技能。当用户面临关键决策点、希望检验某个想法的稳健性，或在做出承诺前需要全面思考潜在后果时，也应触发此技能。