用途：为 ToolUniverse 科研 Skill 提供优化最佳实践，提升报告质量、证据处理与用户体验。
主要能力：给出 15 类优化模式，包括工具接口校验（调用前用 get_tool_info() 核对参数）、基础数据层（优先查询 Open Targets、PubChem 等聚合器）、版本化标识符、先消歧、仅报告输出、T1-T4 证据分级、量化完整性、强制清单、聚合数据缺口、查询策略、工具失败回退链、可扩展输出、综合章节，以及以推理框架替代工具目录、工具无法覆盖时嵌入计算过程、无 REST API 数据集的下载处理。
使用方式：按 Phase -1 工具校验、Phase 0 基础数据、Phase 1 消歧、Phase 2 专项查询、Phase 3 报告综合的工作流组织 Skill；用 python3 -m tooluniverse.cli run <Tool> '<json>' 验证 schema；计算过程仅使用 ToolUniverse 依赖中的 pandas、scipy、numpy、networkx、requests、biopython 等包。
适用场景：需要证据分级、来源归属与可复现流程的科研类 Skill 开发与评审。
限制：资料未提供具体收费、平台与效果数据；测试要求每个 Skill 30+ 测试、100% 通过率并使用真实数据，API 文档常不准确需实际调用验证。