用途：在分布式 E2B 沙箱环境中部署、训练和管理神经网络，既支持自定义架构训练，也支持模板市场中的预训练模型。
主要能力：支持单节点训练（前馈、LSTM、GAN、自编码器、Transformer 架构，含 nano 到 large 训练层级，可配置 epoch、batch_size、learning_rate、optimizer）；模型推理与预测；模板市场浏览、部署、评分与发布；分布式训练集群（初始化、部署参数服务器/工作节点/聚合节点、连接拓扑、启动分布式训练、分布式推理、集群状态监控与终止）；支持联邦学习；模型管理（列出模型、查看训练状态、性能基准测试、验证工作流）。
用法：先添加 Flow Nexus MCP 服务器并注册登录：claude mcp add flow-nexus npx flow-nexus@latest mcp start，然后 npx flow-nexus@latest register、npx flow-nexus@latest login。之后通过 MCP 工具调用，如 neural_train、neural_predict、neural_list_templates、neural_deploy_template、neural_cluster_init、neural_node_deploy、neural_train_distributed、neural_cluster_status、neural_predict_distributed、neural_cluster_terminate、neural_list_models、neural_training_status、neural_performance_benchmark、neural_validation_workflow、neural_publish_template、neural_rate_template 等。
适用场景：图像分类、NLP 情感分析、时间序列预测、隐私敏感数据的联邦学习等。
限制：分布式训练需要认证；资料未提供具体收费、价格、准确率保证或性能承诺；模型与模板的可用性、权限和计费以实际平台为准。