用途：为 Claude Science 作业准备远程算力环境，让指定环境名在提交时能被解析到对应的软件栈、模型权重和资源形态。
主要能力：以一份声明式规格（base、system_pkgs、pip_phases、env、run_commands、shim_files、weight_dirs、冒烟探测等字段）描述环境，同一规格可渲染为 Dockerfile、Apptainer 定义或 SSH 命令序列。识别并提供四类后端形态的搭建方式：直连 SSH/conda 主机、Slurm/PBS/LSF 调度集群、经桥接运行器的容器后端、以及 Modal/RunPod 等带原生适配器的托管 API（byoc）。权重按“大小×访问模式”决定烘焙进镜像、放到持久缓存目录或运行时下载。验证分三级：import 可导入、kernel 分派见证、子智能体按文档复现。
使用方式：先执行 compute_details({provider, mode:"read"}) 查看是否已有可复用环境；直连主机上用 conda create -n <name> python=<X> 后按 pip_phases 顺序安装，并用 conda run -n <name> 提交；Slurm 上用 module load 或 apptainer pull/build，注意设置 APPTAINER_CACHEDIR/APPTAINER_TMPDIR 与 --account/--partition/--time；byoc 上在 compute_provider 内核调用 list_envs()、build_env(name)。设置后以 compute_details 的 append/replace 记录环境、tier、权重路径与验证信息。
适用场景与限制：适合个人 GPU 机器、共享集群、容器服务与托管算力平台的作业环境搭建。计算节点常无外网，需提前暂存权重与镜像；共享 scratch 可能按闲置清理；无 root 时系统包只能走 conda-forge 或离集群构建容器。文中未提供具体价格与平台清单等事实。