BD qubitclient-scope
Численная подгонка кривых и извлечение параметров для квантовых экспериментов. Поддержка (1) обнаружения пиков S21 (одиночных/множественных), (2) калибровки оптимальных π-импульсов, (3) анализа осцилляций Раби, (4) подгонки времен релаксации T1/T2, (5) оптимизации DRAG-импульсов, (6) характеризации сдвига мощности, (7) анализа интерференционных картин Рамзея, (8) точности считывания в одном выстреле, (9) анализа 2D-спектров, (10) подгонки T2 в спиновом эхе, (11) рандомизированного бенчмаркинга, (12) калибровки XYZ-тайминга, (13) 2D-подгонки T1, (14) оптимальной частоты считывания, (15) эксперимента Дельта. Предоставляет унифицированный API для подгонки кривых, извлечения параметров и пакетной обработки с поддержкой визуализации matplotlib/plotly.
машинный переводПоказать оригиналСкрыть оригинал«Quantum experiment NUMERICAL curve fitting and parameter extraction. S…»
Quantum experiment NUMERICAL curve fitting and parameter extraction. Support for (1) S21 peak detection (single/multi), (2) Optimal π-pulse calibration, (3) Rabi oscillation analysis, (4) T1/T2 relaxation time fitting, (5) DRAG pulse optimization, (6) Power shift characterization, (7) Ramsey fringe analysis, (8) Single-shot readout fidelity, (9) 2D spectrum analysis, (10) Spin Echo T2 fitting, (11) Randomized Benchmarking, (12) XYZ Timing calibration, (13) 2D T1 fitting, (14) Optimal readout frequency, (15) Delta experiment. Provides unified API for curve fitting, parameter extraction, and batch processing with matplotlib/plotly visualization support.
Численная подгонка кривых и извлечение параметров для квантовых экспериментов.
Как процесс D 44/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - предупреждение
body-longтело SKILL.md ≈ 6260 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 44/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 70Стоимость исполнения. Тело инструкции 6260 токенов
- 100Шаги. Шагов: 65
- 100Согласованность. Имя и обязательные поля на месте
- 100Повторный запуск. Изменяющих операций нет
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +2Инструкции на одном языке
- +3Длина description 659 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 39 заголовков
- +3Пошаговые инструкции: 65 пунктов
- +4Есть примеры (51 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 63.