用途：为数值仿真中出现的线性系统 Ax=b 提供通用工作流，帮助选择求解器、评估条件数并诊断收敛问题。
主要能力：按矩阵大小、稀疏性、对称性、正定性与条件数给出求解器建议，例如小规模稠密矩阵用直接法（LU、Cholesky），稀疏 SPD 用带 AMG/IC 预条件的 CG，对称不定用 MINRES，非对称用 GMRES 或 BiCGSTAB；并提供预条件器选择、缩放平衡、稀疏统计、收敛诊断与残差范数计算。随附脚本：scripts/solver_selector.py、convergence_diagnostics.py、sparsity_stats.py、preconditioner_advisor.py、scaling_equilibration.py、residual_norms.py。
使用方式：需 Python 3.8+ 与 NumPy、SciPy。常见命令如：python3 scripts/solver_selector.py --symmetric --positive-definite --sparse --size 1000000 --json；python3 scripts/sparsity_stats.py --matrix A.npy --json；python3 scripts/convergence_diagnostics.py --residuals 1,0.2,0.05,0.01 --json。流程为：刻画矩阵、分析稀疏性、选择求解器、选预条件器、必要时缩放、监控收敛并诊断问题。
适用场景：数值模拟中的稠密与稀疏线性系统求解、迭代法收敛停滞排查、鞍点问题（用 Schur 补、Uzawa 或块预条件器）。
限制：大规模稠密矩阵直接法可能内存不足；高度不定矩阵标准预条件器可能失效；鞍点问题需专门块预条件器。具体安装、收费与平台信息资料未提供。