具备全面的 Markdown 和 Mermaid 图表编写能力，适用于创建任何科学文档、报告、分析或可视化内容。以文本化图表为默认文档标准，提供完整的样式指南（Markdown + Mermaid）、24 种图表类型参考及 9 种文档模板。

生成长达50页以上的综合性市场研究报告，风格媲美顶级咨询公司（麦肯锡、BCG、Gartner）。具备专业LaTeX排版、通过scientific-schematics和generate-image生成大量可视化图表、深度集成research-lookup进行数据收集，并运用多种战略分析框架，包括波特五力模型、PESTLE分析、SWOT分析、TAM/SAM/SOM分析以及波士顿矩阵。

基于清单的结构化稿件/基金评审。适用于撰写有明确标准的正式同行评审，涵盖方法学评估、统计有效性、报告规范符合性（CONSORT/STROBE）及建设性反馈。最适合实际评审撰写与稿件修订。评估主张与证据质量请使用“科学批判性思维”；如需定量评分框架，请使用“学者评估”。

一种与硬件无关的量子机器学习框架，支持自动微分。适用于通过梯度训练量子电路、构建混合量子-经典模型，或需在IBM/Google/Rigetti/IonQ等设备间实现跨平台兼容的场景。最适合用于变分算法（VQE、QAOA）、量子神经网络，以及与PyTorch/JAX/TensorFlow的集成。如需针对特定硬件的优化，请使用Qiskit（IBM）或Cirq（Google）；如需处理开放量子系统，请使用QuTiP。

适用于内存中数据集的高性能内存DataFrame库。当pandas速度过慢但数据仍可放入内存时使用。采用惰性求值、并行执行和Apache Arrow后端，最适合1-100GB的数据集、ETL管道，可作为pandas的更快替代方案。对于超过内存容量的数据，请使用dask或vaex。

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。

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。

材料科学工具包：晶体结构（CIF、POSCAR）、相图、能带结构、态密度、Materials Project 集成、格式转换，适用于计算材料科学。

使用 PyMC 进行贝叶斯建模：构建分层模型、MCMC（NUTS）、变分推断、LOO/WAIC 比较、后验检验，用于概率编程与推断。