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任务开始前，检测并报告可用系统资源，帮助做出计算方案决策。
主要能力：运行 scripts/detect_resources.py 自动检测CPU物理/逻辑核心、架构与频率；GPU方面支持NVIDIA（nvidia-smi）、AMD（rocm-smi）与Apple Silicon（M1/M2/M3/M4，Metal）；内存总量与可用量、使用率、交换空间；工作目录磁盘总量与可用量；操作系统与Python版本。输出 .claude_resources.json，含资源信息与并行处理、内存策略、GPU加速、大数据处理建议。
使用方式：执行 python scripts/detect_resources.py，可选 -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。依赖：uv pip install psutil，其余使用标准库。
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；并行处理前确定worker数量；大文件操作前确认磁盘空间；项目初始化时了解基线能力。
限制：内存读数为瞬时快照，可能不准确；GPU未检测到需检查驱动与PATH；脚本需Python 3.6+并安装psutil；平台支持macOS、Linux、Windows，具体GPU检测依赖对应工具。建议在项目开始、扩展并行规模前运行，并定期重跑。