用途：DisCoPy 将计算视为信息在带类型通道中的流动，用范畴论构建模块化系统，提供形式化组合保证。适用于组合式系统、量子自然语言处理（QNLP）、图示推理、张量网络计算、范畴量子力学、研究原型与范畴论教学。
主要能力：以线表示类型、盒表示操作、图表示组合、函子表示语义解释。支持顺序组合（>>）、并行组合（@）、dagger、张量积与反馈。范畴层级从 Category 到 Monoidal、Symmetric、Rigid、Compact、Traced 逐级增强。支持张量求值（NumPy/PyTorch/TensorFlow/JAX 后端）与量子电路构建，可导出到 Qiskit。
使用方式：安装基础版 pip install discopy；量子功能 pip install discopy[quantum]；全部后端 pip install discopy[pytorch,tensorflow,jax]。典型流程为：定义类型与操作，用 >> 和 @ 组合成图，定义函子映射对象维度与操作矩阵，再对图求值。量子电路可用 gates.H、gates.CNOT 等构建并 draw() 可视化。
适用场景：数学与计算机科学交叉研究、QNLP 实验、组合语义建模、范畴论教学工具。
限制：不适合生产级 NLP（建议 spaCy/Transformers）、大规模量子编译（建议 Qiskit/Cirq）、标准机器学习流水线（建议 PyTorch/scikit-learn）或高性能数值计算。QNLP 仍属实验性，商业应用需等待硬件成熟。文档见 https://docs.discopy.org。