用途：为贝叶斯分析提供一套有明确顺序的工作流，从定义生成过程、设定先验、PyMC 实现，到先验预测检查、推断、收敛诊断、模型批评、先验敏感性、模型比较与报告。
主要能力：推荐 PyMC 5+ 语法与 nutpie 采样器；用 pm.sample_prior_predictive() 做先验预测检查；用 arviz_stats.diagnose(idata) 一次性检查 R-hat、ESS、发散、树深与 E-BFMI；用 plot_ppc_pit 做校准检查；用 psense_summary 与 plot_psense_dist 做先验敏感性；提供常见模型族（连续、二值、计数、零膨胀、序数、删失、截断、稀疏回归、分层、时间序列）的数据模型与先验参考。
使用方式：建议用 conda-forge/mamba-forge 安装：mamba install -c conda-forge pymc nutpie arviz arviz-stats preliz。建模时使用维度与坐标、pm.Data 容器，采样后立即 idata.to_netcdf("model_output.nc") 保存；nutpie 不自动存 log_likelihood 与 log_prior，需显式调用 pm.compute_log_likelihood 与 pm.compute_log_prior。可用 python scripts/diagnose_model.py --idata path/to/inference_data.nc 与 python scripts/calibration_check.py --idata path/to/inference_data.nc。
限制与注意：不硬编码链数；不用 42 等魔法种子；报告需含可信区间（默认 94% HDI）；预测概率用后验均值而非中位数；样本外预测用 pm.set_data 与 pm.sample_posterior_predictive；解释前检查可识别性。资料未提供具体收费、平台与效果信息。