用途：该技能面向人文学者，将计算方法引入文学、历史、语言与社会文化研究，用算法辅助而非替代阐释性研究，帮助发现单靠人工细读难以察觉的模式，连接分散档案，并可视化历史进程。
主要能力：文本挖掘与自然语言处理（LDA、BERTopic 主题建模，情感分析，基于 spaCy/NLTK 的命名实体识别）；语料库语言学（索引 concordance、搭配 collocation、词频与 keyness）；数字档案与元数据（Dublin Core 十五元素、TEI XML）；历史研究 GIS（旧地图地理配准、事件与贸易路线制图）；历史人物与文学角色网络分析；文体计量与作者归属（Burrows Delta）；OCR 工作流（Tesseract、Kraken、Transkribus，需报告字符错误率 CER）；数字学术版本；人文数据可视化；Moretti 的远读与 Manovich 的文化分析；人文计算 Python 生态（spaCy、NLTK、Voyant、AntConc）。
使用方式：资料以方法说明加参考文件组织，references/methods-and-examples.md 提供可运行示例与代码、参数与工具对比表、TEI 文档示例及最佳实践，references/dh-tools-guide.md 提供工具对比矩阵、主题模型参数调优、AntConc/Voyant 面板参考、OCR 引擎配置、TEI 元素、QGIS 地理配准与 stylo R 指南。部分方法需基础 Python 或 R，其他可借助无代码工具完成。
适用场景：分析维多利亚小说、绘制殖民贸易网络、研究政治修辞演变、建设濒危语言数字档案、对争议文本做作者归属、对历史扫描件做 OCR 与数字版本等。
限制与注意：资料强调需以人文问题为起点，记录语料、预处理与参数决策，保存原始文件，用细读校验计算结果；避免黑箱式 NLP、把现代情感模型套用于历史文本、由少量主题过度推论、语料过小而结论过大、地理精度虚假、样本过短或体裁混杂的文体计量。具体安装命令、价格与平台信息暂未提供。