用途：在数据分析、模型训练、并行处理或大文件操作等计算密集型科学任务开始前，检测并报告可用系统资源，帮助选择计算方案。
主要能力：运行 scripts/detect_resources.py 自动检测CPU物理/逻辑核心数、架构与频率；GPU方面支持NVIDIA（nvidia-smi）、AMD（rocm-smi）和Apple Silicon（M1/M2/M3/M4，Metal与统一内存）；内存总量、可用量与使用率；工作目录磁盘空间；操作系统与Python版本。结果写入当前目录的 .claude_resources.json，并给出并行处理、内存策略、GPU加速和大数据处理建议。
使用方式：先安装依赖 uv pip install psutil，再执行 python scripts/detect_resources.py。可选参数 -o/--output 指定输出路径，-v/--verbose 打印完整信息。随后读取生成的JSON，按建议选择库与参数，例如根据 suggested_workers 设置 joblib 并行数，根据可用内存决定是否用 Dask/Zarr 分块，根据 available_backends 选择 CUDA、MPS 或 CPU。
适用场景：50GB基因组数据分析前判断是否需要Dask/Zarr；训练神经网络前检测GPU后端；并行处理大量文件前确定worker数量；运行仿真前了解资源约束；项目初始化时评估基线能力。
限制：内存读数为瞬时快照，会不断变化；GPU未检测到可能因驱动或PATH问题；需Python 3.6+并安装psutil；仅检测本机资源，不涉及远程集群。其他细节暂未提供。