查询 openFDA API，获取药品、医疗器械、不良事件、召回、监管申报（510k、PMA）、物质标识（UNII）等FDA监管数据，用于监管数据分析与安全性研究。

基于自动化大型语言模型的表格数据假设生成与验证。适用于系统性探索经验数据中模式的假设（例如，欺骗检测、内容分析）。结合文献洞察与数据驱动的假设检验。如需手动提出假设，请使用“假设生成”；如需创意构思，请使用“科学头脑风暴”。

适用于 OT-2 和 Flex 机器人的官方 Opentrons 协议 API。在为 Opentrons 硬件编写协议并需要全面访问 Protocol API v2 功能时使用。最适合生产环境中的 Opentrons 协议，确保官方 API 兼容性。如需多供应商自动化或更广泛的设备控制，请使用 pylabrobot。

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。

使用 pyzotero Python 客户端与 Zotero 参考文献管理库进行交互。通过 Zotero Web API v3 检索、创建、更新和删除条目、集合、标签和附件。在程序化处理 Zotero 库、管理参考文献、导出引文、搜索库内容、上传 PDF 附件或构建与 Zotero 集成的研究自动化工作流时使用此功能。

通过并行聊天API（主要）或Perplexity sonar-pro-search（学术论文搜索）查找最新的研究信息。自动将查询路由至最佳后端。用于查找论文、收集研究数据和验证科学信息。

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。

提供指导性的统计分析，包括测试选择与结果报告。适用于需要帮助选择适合的数据检验方法、检验假设、功效分析以及APA格式结果输出的场景，最适合学术研究结果报告和测试选择指导。如需编程实现特定模型，请使用statsmodels。

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。