用途：为计算科学场景选择并实现合适的工作流工具，从简单缓存到复杂编排。核心原则是“用最简单可行的工具”，按问题复杂度匹配工具复杂度，先轻量后增强。
主要能力：提供决策树，按需求推荐工具；给出工具分层概览与功能对比矩阵（缓存、并行、DAG、HPC、云原生、错误恢复、监控、学习曲线、材料学侧重）；提供典型迁移路径与常见用例建议；列出反模式与最佳实践；可调用子技能获取具体工具指导。
工具分层：Tier 1 轻量——joblib（函数缓存、简单并行、NumPy 持久化，pip install joblib，单机）；Tier 2 中等编排——Prefect（复杂 DAG、动态工作流、监控重试，pip install prefect）、Parsl（HPC 并行、隐式数据流，pip install parsl）；Tier 3 领域/生产——FireWorks（大规模生产、复杂失败恢复，pip install fireworks）、quacc（材料科学高通量，pip install quacc）。另提及 Snakemake、Dask、Luigi、Airflow 等可了解工具。
使用方式：先评估任务数量、运行环境（笔记本/HPC/云）、依赖复杂度与错误处理需求，再按决策树选型；从 2-3 个代表性任务开始最小实现，验证逻辑后加错误处理并逐步扩展；通过子技能（joblib、prefect、parsl、fireworks、quacc）获取细节。
适用场景：计算化学参数扫描、机器学习流水线、高通量材料筛选、数据处理流水线等。
限制：资料未提供具体收费、价格、平台支持细节与效果数据；工具版本与兼容性需以官方文档为准。