用途：生成高质量的科学代码、实验方案和领域特定文本，并带有质量控制环节。
主要能力：资料列出四类生成——代码生成（科学计算脚本、数据管道、分析工作流）、方案生成（实验流程、检测方案、临床工作流）、报告生成（实验报告、进展报告、技术备忘）、回答生成（基于文献的解答、教学解释）。
参考数据集：Tiny-Codes（nampdn-ai/tiny-codes），约160万条代码片段，覆盖Python、TypeScript、JavaScript、Ruby、Rust、C++、Java、Go等11种语言，用于代码生成基准；Mental Health Counseling（Amod/mental_health_counseling_conversations），用于共情式回复生成的治疗对话语料。
使用方式：按流程执行——需求分析（定义输出规格、约束与质量标准）、模板选择（选用合适模板或结构）、内容生成（结合领域知识生成）、质量校验（检查正确性、完整性与标准符合度）、迭代（依据校验反馈改进）。
规则与限制：生成的代码须包含错误处理与文档；科学方案须写明试剂、设备与安全注意事项；所有生成内容须有事实依据；须标注生成过程中所做的假设或简化；用于治疗/咨询语境时须遵循伦理准则。
资料未提供安装命令、调用接口、收费方式与平台支持等具体信息。