用途：该技能用于解释 Jinko 的解决方案（服务能力）与产品功能如何支持用户的科研或建模目标，侧重实用指导，帮助用户选择模型、工作流和平台能力，并给出清晰理由与明确限制。
适用场景：当用户需要为某个科学问题寻找候选模型、了解与建模策略相关的 Jinko 平台功能、依据科学目标与约束及时间线比较方案路径、识别 AI 能力可加速的常规步骤，或将模型选择与数字孪生用例关联时，可触发该技能。
工作流程：先澄清目标与背景，用第一性原理复述科学目标，记录范围、模态、疾病领域、时间跨度和约束；再识别模型选项，运行只读脚本搜索模型库，例如：
python skills/jinko-solution-and-product-guide/scripts/search_model_library.py
--query "acute myeloid leukemia"
--type PK
--limit 10
该脚本仅访问固定可信端点，限制响应与输出大小，校验必填字段并确定性排序，不应替换为任意 URL 抓取。依据返回的 projectName、type、groupName、description、contextOfUse、inputs、outputs 和 Access 评估匹配度，并用高级模型文档验证模型意图与预期用途。随后将产品功能映射到执行需求，如校准、仿真、协作、可追溯性，仅在能提升速度或质量时纳入 AI 智能体能力。最后说明权衡与限制，给出可执行的下一步建议。
响应原则：循序渐进、科学、有帮助、平衡、有依据。输出使用标题层级，不编号章节，标题采用句子式大小写，不使用表情符号。
限制：返回记录仅为当前目录元数据，不证明模型科学上适用；推荐前须验证所选模型的文档与使用背景。若能力合理但无明确文档，应标注为推断；来源冲突或不完整时应说明并给出最稳妥解释。相关来源包括 novainsilico.ai、其 evidence 页面、doc.jinko.ai 的模型库 JSON、平台功能、AI 能力、发布说明、产品页及数字孪生文档。