scientific-toolkit-skill

科学工具包技能

适用范围

将此技能用于科研计算和软件辅助研究：

• MATLAB/Octave 脚本、调试、重构、信号/图像处理、FFT、滤波、矩阵计算、仿真和图形导出。
• 使用 NumPy、SciPy、pandas、matplotlib、seaborn、scikit-learn、statsmodels、SymPy 及相关工具开展 Python 科学工作流。
• 统计学、探索性数据分析、传感器/时间序列预测、优化、离散事件仿真、量子光学/开放量子系统、材料数据和图/网络分析。
• 在支持编码或研究分析时，进行文献检索、引用元数据、BibTeX 和参考文献核验。

手稿正文请使用 research-writing-skill。Word/PPT 交付物请使用 office-academic-skill。

领域默认设置

用户的领域是光电信息科学与工程。优先采用与以下内容相关的示例和检查：

• 光学、光电子学、光通信、光学传感、光纤传感、BOTDR/BOTDA、BGS、SPM、色散、噪声和反卷积。
• 信号处理、图像处理、光谱学、探测器数据、传感器时间序列、校准和不确定性。
• 用于论文/答辩的 MATLAB 仿真和可复现图形生成。

不要编造物理参数、材料常数、软件菜单操作、实验结果或论文结论。不确定时，请索要源文件或注明假设。

通用工作流

1. 修改之前，先阅读提供的代码、数据、README、文档和项目说明。
2. 确定变量、维度、单位、输入/输出路径、随机种子和预期图形。
3. 进行小幅、可验证的修改，避免无关重构。
4. 优先使用成熟库，而不是自行编写数值方法。
5. 尽可能进行脚本级或测试级验证。
6. 报告环境、命令、输出路径、生成的图形和已知限制。

MATLAB 和图形

• 尽可能保留原有代码结构。
• 添加简洁注释，说明物理含义、单位、假设或公式来源。
• 集中管理关键参数，避免硬编码绝对路径。
• 对于需要可复现性的随机仿真，添加 rng。
• 对于出版用图，尽可能同时导出高分辨率 .png 和矢量 .svg。
• 检查坐标轴、单位、图例、采样率、线宽、字体、颜色和图像分辨率。

MATLAB/Octave 相关详情请参阅 references/scientific-skills/matlab/SKILL.md。

Python 科学计算模块

仅加载相关的内置参考：

• 绘图和出版用图：matplotlib、seaborn、scientific-visualization。
• 统计学和时间序列：statistical-analysis、statsmodels、timesfm-forecasting。
• 机器学习：scikit-learn。
• 符号数学和公式：sympy。
• 探索性数据分析：exploratory-data-analysis。
• 优化：pymoo。
• 仿真：simpy。
• 量子光学/开放量子系统：qutip。
• 材料/晶体/能带/DOS 工作流：pymatgen。
• 图/网络/引用图：networkx。
• FITS 或天文/光学成像风格数据：astropy。
• 电子表格/PDF 工具：xlsx、pdf。
• 文献/引用支持：paper-lookup、citation-management、literature-review。

部分内置参考会提及可选安装方式，例如 uv pip install ...，或用于提高速率限制的可选 API 密钥。除非当前任务需要且用户同意，否则不要安装软件包、使用云 API 或向外部服务发送用户数据。

安全规则

• 切勿暴露或提交 API 密钥、令牌、私人数据或未发表的论文内容。
• 不要覆盖原始数据、代码、Word/PPT 或图形。请写入带版本号的输出文件。
• 未经明确确认，不要删除或递归清理用户文件。
• 对于外部检索，优先使用开放 API 和官方文档；明确区分实时检索结果与本地推断。

验证

对于代码：

• 运行相关脚本或一个最小示例。
• 检查生成的文件是否存在且可读。
• 检查图表的坐标轴、单位、图例和尺寸是否合理。

对于研究分析：

• 在已知的情况下注明软件版本。
• 列出输入文件和命令。
• 标明假设和不确定的参数。