用途：用 PyMC 构建并检验贝叶斯模型，覆盖分层模型、NUTS MCMC、变分推断、可变数据预测与后验预测检查。目标版本为 PyMC 6.3.2、PyTensor 3.3.2、ArviZ 1.3.0，均为本地 Python API，无需服务端点、凭据或远程推断。
主要能力：定义估计量与预测单元；用科学标定的先验和命名维度构建生成式模型；先验预测检查；多链独立采样并显式设种子；检查 rank R-hat、bulk/tail ESS、MCSE、发散、能量 BFMI 与树深；生成后验预测并检查残差结构；先验敏感性与参数恢复；模型比较与平均。
使用方式：从技能目录运行模板，例如 uv run --isolated --with "pymc==6.3.2" --with "arviz==1.3.0" --with "pytensor==3.3.2" --with matplotlib --with pandas --with h5netcdf --with h5py python assets/linear_regression_template.py --draws 80 --tune 80 --chains 2 --output-dir linear_smoke，分层模板同理。诊断与比较辅助模块位于 scripts/ 目录，需将其加入 sys.path。
限制：模板短命令仅验证执行与产物，不构成收敛证据；nutpie/JAX、SMC 与生产级收敛未经验证；VI 可能遗漏众数并低估不确定性；模型比较要求结果、排序、尺度、似然度量与预测单元一致；缺失事实暂未提供。