Julia Expert 是一个聚焦 Julia 编程语言的专家技能，主要用途是帮助用户处理科学计算、多重分派、性能优化与高性能数值计算相关问题。
主要能力覆盖多个方面：核心概念包括多重分派（动态分派、类型层级、方法特化、参数化类型、类型稳定性、方法歧义）、性能优化（JIT 编译、类型推断、循环向量化、列主序内存布局、@inbounds、@simd）、类型系统（抽象类型、复合类型、原始类型、参数化类型、联合类型、类型别名）、数组编程（N 维数组、广播、数组视图、BLAS/LAPACK 线性代数、稀疏数组、GPU 数组）。
使用方式上，该技能以专家知识形式提供建议，并搭配随技能存放、按需读取的参考文档，涵盖代码示例（安装与设置、多重分派基础、高性能计算、科学计算、数据处理与分析、并行与分布式计算）以及官方文档、学习资源、科学计算生态与社区链接。
最佳实践建议包括：编写类型稳定代码，用 @code_warntype 检查类型稳定性，尽可能预分配数组，使用带 ! 后缀的原地操作，借助 BLAS/LAPACK，优化前先用 @profile 和 @benchmark 做性能分析；使用具体类型处理性能关键代码，函数参数优先用抽象类型，泛型容器使用参数化类型；广播（.）做逐元素运算，尽量用视图代替拷贝，理解列主序，用 eachindex 迭代，用 @. 融合广播；包开发遵循标准结构、编写完整测试与文档字符串、使用语义化版本；科学计算中注意数值稳定性、精度要求与边界情况。
反模式方面，列出了性能杀手（类型不稳定、性能关键代码中的全局变量、过多内存分配、不使用原地操作、忽视编译器警告、过早抽象）、类型系统误用（滥用 Any、类型层级过复杂、不恰当使用参数化类型、类型盗版、不必要的类型断言）、数组操作误区（不必要的拷贝、按行主序思维处理列主序数组、循环中不预分配、低效索引、忽视广播机会）及通用问题（不测试、错误处理差、命名不一致、函数过于复杂、优化前不分析）。
限制：资料未提供该技能的具体安装命令、收费方式、价格、平台支持与效果数据，这些事实暂未提供。