线性规划求解器是一种用于解决资源分配、生产调度和商业优化问题的数学建模工具。它通过建立线性目标函数和约束条件，使用优化算法寻找最优解，广泛应用于供应链管理、投资组合优化、生产计划等领域。关键词：线性规划、优化算法、资源分配、生产调度、供应链优化、投资组合、数学建模、商业决策、敏感性分析、影子价格。

数值线性代数工具包是一个专注于高性能数学计算的技能，提供矩阵分解、特征值计算、稀疏矩阵处理和迭代求解等核心线性代数操作。适用于科学计算、工程仿真、量化金融建模和机器学习算法开发等领域，帮助用户高效解决大规模数值计算问题。关键词：数值线性代数，矩阵分解，特征值计算，稀疏矩阵，迭代求解器，科学计算，高性能计算，数学建模。

系统动力学建模师技能是一个专业的商业仿真工具，专注于构建和分析包含反馈循环、延迟和非线性行为的复杂系统模型。该技能通过因果循环图、存量流量图和动态仿真，帮助企业进行战略决策支持、情景分析和政策测试。核心功能包括反馈循环识别、系统仿真、均衡分析、敏感性测试和策略评估。适用于商业战略规划、竞争分析、市场动态模拟和风险管理等领域。 关键词：系统动力学建模，反馈循环分析，存量流量图，动态仿真，商业决策支持，策略测试，因果循环图，仿真建模，战略规划，情景分析

因果推断引擎是一个专门用于从商业观测数据中识别和量化因果关系的技能工具。它通过倾向得分匹配、双重差分法、工具变量、断点回归、因果森林等多种统计与机器学习方法，帮助分析师超越相关性分析，精确估计营销活动、产品变更、政策干预等处理对业务结果（如转化率、收入、用户留存）的真实因果效应。该工具包含完整的验证框架（如反驳测试、敏感性分析），确保结论的稳健性，并支持异质性效应分析，以识别不同用户群体的差异化影响。核心应用场景包括A/B测试效果评估、营销归因、产品功能影响量化、战略决策因果验证等。 关键词：因果推断，因果效应，倾向得分匹配，双重差分法，工具变量，断点回归，因果森林，ATE，CATE，商业分析，决策智能，效果评估，反事实推理，敏感性分析

分布拟合器是一个用于仿真和分析中输入建模的AI技能。它通过统计分布拟合、参数估计和拟合优度检验，帮助用户为离散事件仿真、排队系统分析、需求预测等场景找到最能代表观测数据的概率分布模型。核心功能包括自动化分布拟合、最大似然估计、到达间隔时间分析、经验分布构建和分布比较。关键词：统计分布拟合，输入建模，仿真分析，最大似然估计，拟合优度检验，概率分布，数据分析，量化金融，Python scipy。

基于智能体的模拟器是一种用于模拟复杂适应系统的决策智能工具。它通过定义异质智能体、环境规则和交互机制，自下而上地模拟市场动态、客户行为、竞争策略等商业场景。该技能支持参数扫描、集成模拟、涌现行为分析和可视化，广泛应用于量化金融、市场研究、供应链优化和战略决策等领域。关键词：智能体建模、复杂系统仿真、市场模拟、决策支持、涌现行为、量化分析、商业智能、战略规划。

scikit-survival是一个基于scikit-learn的Python库，专门用于生存分析和时间到事件建模。它处理截尾数据，提供多种模型如Cox比例风险模型、随机生存森林和生存支持向量机，并支持模型评估如一致性指数和Brier分数。适用于医学研究、金融风险评估和生物统计等领域。关键词：生存分析、Python、scikit-survival、截尾数据、Cox模型、机器学习、预测建模、数据分析。

本工具包是一个专注于数学优化的敏感性分析解决方案，主要用于评估优化模型的鲁棒性。核心功能包括对偶变量计算、影子价格分析、参数规划、紧约束识别和后最优性分析。它帮助用户理解模型参数变化对最优解的影响，支持鲁棒优化建模，适用于金融、工程、供应链等领域的决策支持系统。 关键词：敏感性分析，优化模型，对偶变量，影子价格，参数规划，鲁棒优化，后最优性分析，数学建模，决策支持

Pymoo是一个Python多目标优化框架，用于解决单目标和多目标优化问题。它支持NSGA-II、NSGA-III、MOEA/D等算法，处理Pareto前沿、约束条件，并提供基准测试问题如ZDT、DTLZ。适用于工程设计、机器学习、量化金融等领域的优化任务。关键词：多目标优化、Python框架、NSGA-II、Pareto前沿、约束处理。

回归分析器技能是一个用于科学数据建模的专业工具，专注于执行全面的回归分析。它能够进行线性与广义模型拟合、模型诊断、处理多重共线性、生成预测并解释系数。该技能适用于量化金融、预测建模、数据分析、统计套利、因子挖掘、风险管理等场景，是数据科学家和量化研究员进行关系探索、效应估计和变量选择的强大助手。

这个技能用于高级数据科学工作，专注于统计建模、机器学习、实验设计和生产级AI系统实现，适用于数据驱动决策、预测分析和企业级数据解决方案。关键词：数据科学、机器学习、AI、统计建模、预测分析、实验设计、因果推断。

混合整数优化是一种数学规划技术，用于解决包含离散变量和连续变量的优化问题。该技能涵盖混合整数线性规划（MILP）和混合整数非线性规划（MINLP）的建模与求解方法，包括分支定界算法、割平面法、Big-M重构、指示约束等关键技术。适用于资源分配、生产调度、投资组合优化、路径规划等需要离散决策的实际场景。关键词：混合整数规划，MILP，MINLP，优化算法，数学建模，运筹学，离散优化，分支定界，Gurobi，CPLEX。