用途：当某个任务存在多个可替代的 Python 库、需要做真实二选一时，用本技能提出选项并让用户选择，随后交给 add-python-package 添加所选依赖。
主要能力：以面向用户的通俗说明呈现库选项，将其描述为针对该任务的数据科学选择，提问时不暴露技能 id 或封装 CLI。先运行 python -m skore_skills env stack；其中列在 competing 下的任务属于真实选择，而策略已固定的项（mandatory、stage、export）视为已定，直接沿用不再重开选择。对真实选择，只给出最小且有用的选项集并询问用户，不静默替用户决定。用户选定后，若 status.skills 显示 add-python-package 已安装则加载它；未安装则只说出包名后停止。不要从本技能调用 env add。
适用场景：典型调用方为 explore-ml-data（pandas 与 polars），以及后续 extras（如 tuning）。不适用 setup-workspace。绘图任务应加载 plot-ml-figure（若已安装），不要呈现 matplotlib、seaborn、plotly 之间的选择。
使用约束：需要确认符号时，先运行 python -m skore_skills api get <dotted>...，多个符号可一次传入。确定某个包的作用范围用 python -m skore_skills env route <pkg>，不要靠猜测。不要安装所有候选包；不要仅凭流行度做技术决策；不要在受管项目中直接运行 pip；不要用 black 或 isort 替代 Ruff，也不要用 sklearn Pipeline 替代 skrub DataOps，这些选择已固定。
限制：资料未提供更多关于收费、价格、平台或效果的信息。