cirq

cirq skill 概览

cirq 是用来做什么的

cirq skill 帮助你使用 Google Quantum AI 的开源 Python 框架来构建、模拟和运行量子电路。它最适合用在你需要清晰表达电路、在模拟器上测试电路，或准备面向受支持量子硬件和提供方的代码时。

cirq 的最佳适用场景

当你需要考虑噪声的电路设计、量子表征实验，或 Google Quantum AI 工作流时，适合使用 cirq。它尤其适合低层级电路工作：在这里，量子比特布局、门序列和测量策略，比高层抽象更重要。

cirq 不是最佳选择的情况

如果你需要 IBM 硬件，qiskit 通常更合适。如果你的任务是带自动微分的量子机器学习，pennylane 往往是更好的默认选择。对于物理仿真工作流，qutip 可能比 cirq 更适合。

如何使用 cirq skill

在工作区中安装 cirq

使用以下命令安装该 skill：
npx skills add K-Dense-AI/claude-scientific-skills --skill cirq

运行时依赖通常先装核心包：
uv pip install cirq

只有在需要特定后端时，才添加对应的 provider 包，例如 cirq-google、cirq-ionq、cirq-aqt、cirq-pasqal 或 azure-quantum。

给 cirq 正确的输入形式

cirq skill 最适合你明确说明这些信息时使用：电路目标、量子比特数量或拓扑、后端或模拟器，以及你是否需要噪声、采样或硬件执行。像“构建一个量子电路”这种模糊请求，会留下太多自由度。更强的提示是： “Using cirq, create a 3-qubit GHZ circuit, simulate 1,000 shots, and explain how to adapt it for Google Quantum Engine.”

先读对文件

先看 SKILL.md，了解工作流、安装方式和快速上手模式。如果你的本地副本里还有额外文档，在生成代码前，请先检查 README.md、AGENTS.md、metadata.json，以及任何 rules/、resources/、references/ 或 scripts/ 文件夹。对这个仓库来说，SKILL.md 是主要事实来源。

提升输出质量的实用工作流

使用 cirq 时，建议分两步走：第一步先定义电路结构和验证目标；第二步再确定模拟器或硬件集成细节。如果你要生成代码，先要一个最小可运行示例，再逐步扩展参数化、测量 key 或后端专属封装。这样可以减少幻觉 API，也更容易验证 cirq 的用法是否正确。

cirq skill 常见问题

cirq 对初学者友好吗？

如果你的目标只是做简单的电路构建和模拟，答案是肯定的。一旦进入硬件约束、后端选择或噪声建模阶段，难度就会明显上升，因为这时输入细节必须更精确。

cirq 和普通提示有什么不同？

普通提示往往只能返回一个看起来合理的量子示例。cirq skill 更适合在你需要与 Cirq 的真实对象、安装路径和后端专用包保持一致的代码时使用，这样可以降低导入错误或执行假设不匹配的风险。

什么时候不该用 cirq？

如果目标生态明显不是 Google 体系，或者任务主要是符号计算、经典机器学习，或不涉及电路构建的物理分析，就不要用 cirq。在这些情况下，换成其他量子或科学技术栈，通常能得到更干净的结果。

如何改进 cirq skill

先明确执行目标

提升效果最明显的一点，是尽早说明目标：模拟器、Google Quantum Engine、IonQ、AQT、Pasqal，还是 Azure Quantum。这会直接决定哪些 cirq 安装路径、导入方式和 API 选择是可用的。

提前给出电路约束

请明确量子比特数量、门族、测量格式，以及电路是否必须参数化或考虑噪声。例如，“Build a 2-qubit variational circuit with sympy parameters and explain how to bind values before simulation” 就比“make it variational”好得多。

从可测试的基线开始迭代

先要一个最小可运行电路，然后再提出读出误差缓解、后端迁移或实验日志记录等扩展需求。如果第一版结果不对，优先补上缺失约束，而不是直接要求整体重写；cirq 的输出在你收紧硬件、采样和电路形状假设后，提升最快。