scientific-toolkit-skill

Compare original and translation side by side

🇺🇸

Original

English

🇨🇳

Translation

Chinese

Scientific Toolkit Skill

科研计算工具包Skill

Scope

适用范围

Use this skill for科研计算 and software-assisted research:

MATLAB/Octave scripts, debugging, refactoring, signal/image processing, FFT, filtering, matrix computation, simulation, and figure export.
Python scientific workflows with NumPy, SciPy, pandas, matplotlib, seaborn, scikit-learn, statsmodels, SymPy, and related tools.
Statistics, exploratory data analysis, sensor/time-series forecasting, optimization, discrete-event simulation, quantum optics/open quantum systems, materials data, and graph/network analysis.
Literature lookup, citation metadata, BibTeX, and reference verification when it supports coding or research analysis.

Use

research-writing-skill

for manuscript prose. Use

office-academic-skill

for Word/PPT deliverables.

本Skill适用于科研计算及软件辅助研究：

MATLAB/Octave脚本编写、调试、重构、信号/图像处理、FFT、滤波、矩阵计算、仿真及图表导出。
基于NumPy、SciPy、pandas、matplotlib、seaborn、scikit-learn、statsmodels、SymPy及相关工具的Python科学计算工作流。
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、材料数据分析及图/网络分析。
当涉及代码编写或研究分析时，可进行文献检索、引用元数据处理、BibTeX格式生成及参考文献验证。

若需处理手稿文本，请使用

research-writing-skill

；若需处理Word/PPT交付物，请使用

office-academic-skill

。

Domain Defaults

领域默认设置

The user's field is光电信息科学与工程. Prefer examples and checks relevant to:

Optics, optoelectronics, optical communication, optical sensing, fiber sensing, BOTDR/BOTDA, BGS, SPM, dispersion, noise, and deconvolution.
Signal processing, image processing, spectroscopy, detector data, sensor time series, calibration, and uncertainty.
MATLAB simulation and reproducible figure generation for论文/答辩.

Do not fabricate physical parameters, material constants, software menu operations, experimental results, or paper conclusions. When uncertain, ask for the source file or mark the assumption.

用户领域为光电信息科学与工程。优先提供与以下内容相关的示例及检查：

光学、光电子学、光通信、光学传感、光纤传感、BOTDR/BOTDA、BGS、SPM、色散、噪声及反卷积。
信号处理、图像处理、光谱学、探测器数据、传感器时间序列、校准及不确定性分析。
用于论文/答辩的MATLAB仿真及可复现图表生成。

不得编造物理参数、材料常数、软件菜单操作、实验结果或论文结论。若存在疑问，请索要源文件或标记假设内容。

General Workflow

通用工作流

Read the provided code, data, README, docs, and project instructions before changing anything.
Identify variables, dimensions, units, input/output paths, random seeds, and expected figures.
Make small, verifiable changes and avoid unrelated refactors.
Prefer mature libraries over hand-rolled numerical methods.
Run a script-level or test-level verification when possible.
Report environment, commands, output paths, generated figures, and known limitations.

在进行任何修改前，先阅读提供的代码、数据、README文档、说明文件及项目指导。
确定变量、维度、单位、输入/输出路径、随机种子及预期图表。
进行小幅度、可验证的修改，避免无关的重构。
优先使用成熟库，而非自行编写的数值方法。
尽可能运行脚本级或测试级验证。
报告环境信息、命令、输出路径、生成的图表及已知限制。

MATLAB And Figures

MATLAB 及图表处理

Preserve the original code structure when possible.
Add concise comments for physical meaning, units, assumptions, or formula sources.
Centralize key parameters and avoid hardcoded absolute paths.
Add
```
rng
```
for stochastic simulations when reproducibility matters.
For publication figures, export both high-resolution
```
.png
```
and vector
```
.svg
```
when feasible.
Check axes, units, legends, sampling rate, line width, font, color, and image resolution.

For MATLAB/Octave details, use

references/scientific-skills/matlab/SKILL.md

尽可能保留原始代码结构。
为物理意义、单位、假设或公式来源添加简洁注释。
集中管理关键参数，避免硬编码绝对路径。
当需要保证可复现性时，为随机仿真添加
```
rng
```
设置。
对于论文用图表，在可行情况下同时导出高分辨率
```
.png
```
和矢量
```
.svg
```
格式。
检查坐标轴、单位、图例、采样率、线宽、字体、颜色及图像分辨率。

如需了解MATLAB/Octave的详细信息，请使用

references/scientific-skills/matlab/SKILL.md

。

Python Scientific Modules

Python 科学计算模块

Load only the relevant bundled reference:

Plotting and publication figures:

matplotlib

seaborn

scientific-visualization

Statistics and time series:

statistical-analysis

statsmodels

timesfm-forecasting

Machine learning:
```
scikit-learn
```
.
Symbolic math and formulas:
```
sympy
```
.
Exploratory data analysis:
```
exploratory-data-analysis
```
.
Optimization:
```
pymoo
```
.
Simulation:
```
simpy
```
.
Quantum optics/open quantum systems:
```
qutip
```
.
Materials/crystal/band/DOS workflows:
```
pymatgen
```
.
Graphs/networks/citation graphs:
```
networkx
```
.
FITS or astronomical/optical imaging style data:
```
astropy
```
.
Spreadsheet/PDF utilities:
```
xlsx
```
,
```
pdf
```
.

Literature/citation support:

paper-lookup

citation-management

literature-review

Some bundled references mention optional installs such as

uv pip install ...

or optional API keys for higher rate limits. Do not install packages, use cloud APIs, or send user data to external services unless the current task requires it and the user agrees.

仅加载相关的捆绑参考资料：

绘图及论文图表：

matplotlib

、

seaborn

、

scientific-visualization

。

统计学与时间序列：

statistical-analysis

、

statsmodels

、

timesfm-forecasting

。

机器学习：
```
scikit-learn
```
。
符号数学与公式：
```
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/态密度工作流：
```
pymatgen
```
。
图/网络/引用图：
```
networkx
```
。
FITS或天文/光学成像格式数据：
```
astropy
```
。
电子表格/PDF工具：
```
xlsx
```
、
```
pdf
```
。

文献/引用支持：

paper-lookup

、

citation-management

、

literature-review

。

部分捆绑参考资料提及可选安装项（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，否则不得安装软件包、使用云API或将用户数据发送至外部服务。

Safety Rules

安全规则

Never expose or commit API keys, tokens, private data, or unpublished paper content.
Do not overwrite original data, code, Word/PPT, or figures. Write versioned outputs.
Do not delete or recursively clean user files without explicit confirmation.
For external lookups, prefer open APIs and official documentation; clearly distinguish live lookup results from local inference.

不得泄露或提交API密钥、令牌、私人数据或未发表的论文内容。
不得覆盖原始数据、代码、Word/PPT或图表。应生成带版本号的输出文件。
未经明确确认，不得删除或递归清理用户文件。
进行外部检索时，优先使用开放API及官方文档；需明确区分实时检索结果与本地推理内容。

Verification

验证流程

For code:

Run the relevant script or a minimal example.
Check generated files exist and are readable.
Inspect plots for axes, units, legends, and plausible dimensions.

For research analysis:

State software versions when known.
List input files and commands.
Mark assumptions and uncertain parameters.

代码验证：

运行相关脚本或最小示例。
检查生成的文件是否存在且可读取。
检查图表的坐标轴、单位、图例及合理维度。

研究分析验证：

若已知软件版本，需明确说明。
列出输入文件及命令。
标记假设内容及不确定参数。