用途：提供从原型到生产的 AI/ML 系统开发参考，涵盖模型定义、训练循环、微调、LLM 集成与部署。
主要能力：框架选型（PyTorch 适合研究与灵活性，TensorFlow 适合生产与移动端，JAX 面向高性能与 TPU，scikit-learn 面向经典 ML）；PyTorch 模型定义与训练循环、PyTorch Lightning 封装；Hugging Face Transformers 文本分类与 Trainer 训练；使用 PEFT/LoRA 与 TRL 微调 LLM；OpenAI、Anthropic Claude API 调用及函数调用；LangChain 链式调用；向量数据库 Pinecone、ChromaDB、pgvector 等；MLflow 实验跟踪与 FastAPI 模型服务；RAG 架构、提示工程模式、结构化输出、工具调用与评估框架（RAGAS、LangSmith）。
使用方式：按资料中的代码示例安装并调用相应库，如 PyTorch 定义 nn.Module 并编写训练循环，Transformers 加载预训练模型与分词器，PEFT 配置 LoraConfig 后微调，OpenAI/Anthropic 客户端发起消息请求，LangChain 组合提示、模型与输出解析器，向量库执行 upsert 与 query。
适用场景：构建 ML 模型、训练流水线、微调 LLM、开发 RAG 问答与 LLM 应用、模型服务与实验管理。
限制：资料未提供具体收费、价格、平台支持范围或效果数据；部分 API 模型名称与参数可能随版本变化，需以官方文档为准。