集成 pandas 的统计可视化工具，适用于快速探索分布、关系和分类比较，具备美观的默认设置。最适合绘制箱线图、小提琴图、配对图和热力图。基于 matplotlib 构建。如需交互式图表，请使用 plotly；如需出版级样式，请使用 scientific-visualization。

使用SHAP（SHapley Additive exPlanations）进行模型可解释性和可解释性分析。在解释机器学习模型预测、计算特征重要性、生成SHAP图（瀑布图、蜜蜂群图、条形图、散点图、力图、热力图）、调试模型、分析模型偏差或公平性、比较模型或实现可解释AI时使用此技能。适用于基于树的模型（XGBoost、LightGBM、随机森林）、深度学习（TensorFlow、PyTorch）、线性模型以及任何黑箱模型。

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。

使用 TileDB 高效存储和检索基因组变异数据，支持可扩展的 VCF/BCF 数据导入、增量样本添加、压缩存储、并行查询以及群体基因组学的导出功能。

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。