用途：在开展计算密集型科学计算任务前，先探测本机可用资源并生成策略建议，帮助决定并行度、内存策略与 GPU 后端。
主要能力：运行 scripts/detect_resources.py 检测 CPU 物理/逻辑核心数、架构与频率；检测 NVIDIA（nvidia-smi，含 VRAM、驱动、计算能力）、AMD（rocm-smi）与 Apple Silicon（M1-M4，Metal、统一内存）GPU；统计内存总量、可用量与使用率、交换空间；统计工作目录磁盘总量与可用量；识别操作系统与 Python 版本。随后输出 .claude_resources.json，含时间戳、系统、CPU、内存、磁盘、GPU 与 recommendations（并行处理、内存策略、GPU 加速、大数据处理）。
使用方式：在任务开始前执行 python scripts/detect_resources.py，可选 -o/--output 指定输出路径，-v/--verbose 打印完整信息。读取生成的 JSON 后可据建议选择库与参数，如高并行时用 Dask、joblib 或 multiprocessing 且 workers = cores - 2；内存受限时用 Zarr、Dask、H5py 进行核外处理；检测到 GPU 时按后端选择 PyTorch、TensorFlow、JAX、CuPy 或 RAPIDS；Apple Silicon 可用 pytorch-mps、tensorflow-metal、jax-metal。
适用场景：分析大型数据集前判断是否需要 Dask/Zarr；训练模型前确认 GPU 后端；并行处理前确定 worker 数量；大文件操作前确认磁盘空间；项目初始化时了解基线能力。
限制：依赖 psutil，需先执行 uv pip install psutil，其余使用标准库；支持 macOS、Linux、Windows，GPU 检测需驱动与工具在 PATH 中；内存读数为快照会持续变化；未提供收费、价格或性能保证等信息。