用途：该技能实现 Spivak-Niu 多项式函子框架，用于把学习系统建模为范畴结构，支持学习器组合与动力系统描述。
主要能力：多项式函子以位置（内部状态空间）、方向（接口/交互类型）、透镜（双向数据流 get/put）、图表（动力学更新规则）建模系统。提供 Polynomial、Lens、Learner、Chart、WiringDiagram 等数据结构；透镜支持组合，学习器支持顺序组合，图表可执行动力系统，接线图描述组件间连接模式（含反馈环）。示例将神经网络层实现为透镜，含前向 implement、反向 request 与参数 update，并给出组合网络的前向与反向传播。
使用方式：以 Python 数据类与类型变量定义结构，通过 compose 组合透镜与学习器，用 Chart.run 执行动力系统，用 verify_lens_laws 与 verify_composition_associativity 校验范畴性质。
适用场景：组合式机器学习、可微分编程、动力系统建模及范畴论教学研究。
限制：资料未提供安装命令、依赖版本、性能数据与收费信息；部分方法（如 WiringDiagram.compose）仅有占位实现，需自行补全。